Por primera vez en varios meses, Anthropic cede la cabeza del ranking Text Arena, que evalúa en tiempo real el rendimiento de los modelos de IA en tareas como matemáticas, código o escritura creativa. Gemini 4 Argon, desplegado por Google para sus suscriptores de pago, ocupa el primer puesto por delante de Muse Wonder, presentado por Meta, mientras que la creadora de Claude coloca seis modelos en el top 10.
Presentado a principios de octubre y reservado inicialmente a un puñado de actores de la ciberdefensa, Gemini 4 Argon ha conquistado a la comunidad de Arena, un benchmark colaborativo donde los internautas arbitran duelos entre dos modelos anónimos. Diseñado para tareas largas y complejas, en varias etapas, el modelo más avanzado de la firma de Mountain View supera a Muse Wonder, que también reclama esta especialidad.
Los 20 modelos más potentes
Tras el dúo de cabeza, Anthropic ocupa la mayor parte de lo alto de la tabla. Claude Opus 5.5 toma la tercera posición, por delante de Claude Fable 5, la versión «High» de Claude Opus 4.6, Claude Fable 5.1, Claude Opus 4.7 y la versión estándar de Claude Opus 4.6. Este último se mantiene en las cinco primeras posiciones a pesar de haber sido lanzado en febrero. Gemini 3.8 Flash y Muse Spark 1.3 completan el top 10.
OpenAI, en cambio, se mantiene al margen. Su primer modelo, GPT-5.6 Sol, solo aparece en el puesto 21. Con la excepción de Kimi K3, colocado 18º por Moonshot, el top 20 está compuesto por modelos de Meta, Google y Anthropic.
Los mejores modelos por categoría
Arena también evalúa los modelos en tareas más específicas, como la búsqueda web, el análisis de imágenes o el análisis de documentos. En búsqueda web, la versión «xHigh» de GPT-5.6 Sol llega en primer lugar, seguida de Qwen 3.8 Max y Claude Opus 4.6 Search. De los diez primeros puestos de esta categoría, nueve corresponden a Anthropic, que obtiene cinco, y a OpenAI, que obtiene cuatro.
En análisis de imágenes, Claude Fable 5 toma la delantera, por delante de Qwen 3.8 y Claude Opus 4.6. Anthropic coloca cinco modelos en el top 10. En análisis de documentos, Claude Opus 5 llega en cabeza, y Anthropic ocupa los siete primeros puestos. OpenAI completa el top 10 con GPT-5.5 en versión estándar, GPT-5.5 «High» y GPT-5.6 Sol.
Cómo funciona el ranking
Escrutado por los principales actores y observadores de la IA, Arena se basa en los votos de los internautas para jerarquizar los modelos. Una consulta se somete a dos modelos anonimizados, que producen cada uno una respuesta, y el usuario designa la más pertinente. Cada modelo recibe una puntuación Elo, una especie de calificación que varía según sus resultados en estos duelos.
Una victoria contra un adversario mejor clasificado otorga puntos, mientras que una derrota frente a un competidor peor clasificado hace perderlos. Un modelo en cabeza puede seguir mejorando su puntuación, pero su progresión es más lenta.
