En la clasificación de Artificial Analysis consultada el 28 de octubre de 2026, el mejor modelo con pesos descargables obtiene 32 puntos, frente a 58 para Claude Opus 5.5, de Anthropic. Con la versión 5 del índice, que agrega varias pruebas, los modelos de pesos abiertos pierden todos entre 12 y 16 puntos, mientras que los modelos en sí no han cambiado.
- Mistral Large 4 pasa de 38 a 25 puntos en el índice v5 de Artificial Analysis.
- El índice se basa ahora en un 60 % de pruebas privadas.
- Los modelos abiertos pierden entre 12 y 16 puntos con el cambio de versión.
- El mejor modelo con pesos publicados queda a 26 puntos de Claude Opus 5.5.
En la versión anterior, aún disponible en línea unos días antes, MiMo-V2.6-Pro de Xiaomi, DeepSeek V4.1 Flash y GLM-5.3 superaban los 44 puntos. La nueva versión sustituye, de hecho, evaluaciones públicas por juegos de preguntas que los laboratorios no pueden consultar.
El 60 % del índice se basa ahora en pruebas privadas
Según el artículo de presentación de la versión 5, el 60 % del índice se basa en evaluaciones cuyos juegos de prueba son privados o cuyas respuestas se mantienen en secreto. El índice se divide en cuatro familias que pesan cada una el 25 %: trabajo intelectual, código, ciencias y conocimientos generales.
Artificial Analysis menciona, entre otros, FrontierCode 2.0, un banco de pruebas de programación lanzado por Cognition, cuyas tareas « permanecen privadas para evitar la contaminación ». La contaminación se refiere a la presencia de preguntas de prueba en los datos de entrenamiento de los modelos. El índice también incluye 40 preguntas difíciles de CritPt v2, en física, mientras que AA-Omniscience v1.1 ha sido purgado de sus preguntas públicas. El artículo no detalla la composición exacta del 60 %.
Tres pruebas salen del índice: GDPval-AA, SciCode y AA-LCR. Dos entran, FrontierCode 2.0 y Terminal-Bench-Science, dedicada a tareas científicas realizadas en un terminal. En su cuenta X, Artificial Analysis ya había elevado la parte privada al 40 % con la versión 4.2, el 4 de septiembre, y anunciaba un aumento en la versión 5.
Los modelos abiertos pierden entre 12 y 16 puntos
Los once modelos listados en la página de modelos abiertos, aún mostrada en la versión 4.3.2 el 28 de octubre, pierden todos entre 12 y 16 puntos en la versión 5. Mistral Large 4, cuyos pesos aún no se han publicado, pierde 13. MiMo-V2.6-Pro pasa así de 46 a 30, DeepSeek V4.1 Flash 1017 (máx.) de 45 a 32, y Muse Spark Open (Meta, xhigh) de 39 a 25.
Kimi K3.1 Pro de Moonshot AI, cuyos pesos no están publicados, pasa de 55 a 46. Los modelos cerrados mejor clasificados se mantienen entre 50 y 58 puntos: Claude Opus 5.5 (58), GPT-6 Astra (57), GPT-6.1 Sol (55), Claude Sonnet 5.5 (54), GPT-6.1 Terra (51) y Gemini 4 Argon (50). Artificial Analysis no explica la caída de los modelos abiertos.
De 3 a 26 puntos de diferencia según el modelo considerado abierto
Artificial Analysis resume la versión 5 escribiendo que la diferencia de los modelos con pesos abiertos « pasa de 3 a 12 puntos ». Este cálculo retiene a Kimi K3.1 Pro, con 46 puntos, aunque sus pesos « aún no están publicados ». En su artículo del 23 de octubre, el sitio anunciaba que la diferencia se reduciría « de 12 puntos a 3 » una vez publicados esos pesos, pero todavía no lo estaban el 28 de octubre. La ficha del modelo lo clasifica, además, como « Proprietary model ».
Sobre los únicos pesos efectivamente publicados, DeepSeek V4.1 Flash y GLM-5.3, con 32 puntos, están a 26 puntos de Claude Opus 5.5. Antes del cambio de versión, la diferencia era de 12 puntos. Con 25 puntos, Mistral Large 4 se une a Muse Spark Open, y DeepSeek V4.1 Flash y GLM-5.3 superan a esos dos modelos por 7 puntos.
La clasificación también indica el ajuste de esfuerzo de razonamiento de cada modelo. Configurado en esfuerzo bajo, Claude Opus 5.5 obtiene 35 puntos por un coste medio de 0,98 dólares por tarea del índice, según Artificial Analysis. Con esfuerzo máximo, la misma tarea le cuesta 10,04 dólares.
El repositorio Hugging Face de Mistral Large 4 muestra el 31 de octubre de 2026 como fecha estimada de publicación de sus pesos, sin archivo ni licencia al 28 de octubre por la noche. Mistral había escrito el 6 de octubre que los publicaría « antes de fin de mes ». La licencia elegida y la puntuación de la versión publicada siguen sin conocerse.
