OpenLM ha actualizado el 16 de julio de 2026 su ranking Chatbot Arena+. Claude Fable 5, de Anthropic, ocupa el primer puesto con 1510 puntos Arena Elo, solo uno por delante de GPT-5.6 Sol. Sorprendentemente, Kimi-K3 se coloca en tercera posición, seguido de Claude Opus 4.8 Thinking y GPT-5.5-high que completan un top 5 en un margen de apenas cuatro puntos. Un ranking que mezcla datos y preferencias humanas Antes de entrar en materia debemos conocer lo que mide esta clasificación.
El Chatbot Arena+ combina el sistema Elo Arena, basado en más de 6 millones de votos humanos con métricas estandarizadas como AAII v3, MMLU-Pro y ARC-AGI v2. Es decir, ofrece una fotografía completa de rendimiento con precisión técnica, capacidad de razonamiento y valoración subjetiva de los usuarios. - Arena+: plataforma de enfrentamientos entre modelos que utiliza otro LLM como juez para calcular la puntuación Elo. - AAII v3 (Evaluación Avanzada de Inteligencia Artificial v3): Un benchmark que analiza el razonamiento de los diferentes modelos en 10 tareas técnicas complejas. - MMLU-Pro (Massive Multitask Language Understanding – Professional): Una versión avanzada que mide la comprensión del lenguaje en múltiples disciplinas, todo a nivel universitario. - ARC-AGI v2 (Abstraction and Reasoning Challenge for AGI v2): Evalúa el razonamiento abstracto mediante rompecabezas visuales. Los humanos alcanzan unos resultados cercanos al 100% mientras que los modelos de IA actuales se mueven entre un 10% y un 20%. Top 5 mundial de modelos LLM — julio 2026 | Posición | Modelo | Arena Elo | Codificación | Visión | AAII v3 | MMLU-Pro (%) | ARC-AGI v2 | |---|---|---|---|---|---|---|---| | 1 | Claude Fable 5 | 1510 | 1566 | 1312 | 81 | 91,5 | 86 | | 2 | GPT-5.6 Sol | 1509 | 1567 | 1312 | 80 | 90,2 | 92,5 | | 3 | Kimi-K3 | 1506 | 1562 | 1311 | 78 | 89,8 | | | 4 | Claude Opus 4.8 Thinking | 1506 | 1562 | 1310 | 77 | 90,1 | 78 | | 5 | GPT-5.5-high | 1506 | 1561 | 1311 | 76 | 89,6 | 85 | La batalla entre gigantes: diferencias mínimas y estrategias distintas El liderazgo cambia de manos en la actualización de julio.
Claude Fable 5 se coloca en primera posición con 1510 puntos Arena Elo, seguido por GPT-5.6 Sol con 1509. A continuación aparece un triple empate a 1506 puntos entre Kimi-K3 (recién publicado), Claude Opus 4.8 Thinking y GPT-5.5-high. GPT-5.6 Sol obtiene la mejor puntuación de codificación del top cinco, con 1567 puntos, y también el resultado más alto en ARC-AGI v2, con 92,5. Claude Fable 5 encabeza, por su parte, AAII con 81 puntos y MMLU-Pro con 91,5.
Ambos modelos empatan en visión con 1312 puntos. El cambio respecto a mayo es considerable. GPT-5.5-high baja al quinto puesto, Claude Opus 4.7 Thinking aparece ahora en octava posición, Gemini-3.1-Pro de Google ocupa la novena y Grok-4.20 cae hasta el decimosexto lugar. Kimi-K3 entra en el podio y rompe el dominio de Anthropic y OpenAI Una de las novedades más importantes del ranking es la entrada de Kimi-K3 en la tercera posición.
Se trata de una IA china desarrollada por Moonshot. El modelo alcanza 1506 puntos Arena Elo y aparece por delante de Claude Opus 4.8 Thinking y GPT-5.5-high, aunque los tres comparten la misma puntuación global. OpenLM confirma también que Kimi-K3 cuenta con una licencia Modified MIT. Más abajo aparecen otros modelos chinos como GLM-5.2, Qwen3.7-Max, ERNIE-5.1, GLM-5.1 y DeepSeek-V4-Pro, pero ninguno alcanza la posición de Kimi-K3 en esta actualización.
En muchos casos, estos modelos tienen muchos problemas por culpa de las restricciones en el acceso a chips de alto rendimiento debido a las regulaciones de exportación impuestas por Estados Unidos. Esto limita la capacidad de entrenamiento comparado con competidores occidentales. Qué significa este resultado para la industria La actualización de julio cambia el bastante el panorama de hace unos pocos meses. Anthropic consigue el primer puesto con Claude Fable 5, pero OpenAI queda solo un punto por detrás con GPT-5.6 Sol.
De la misma forma, la entrada de Kimi-K3 en el podio rompe el anterior dominio casi exclusivo de Anthropic, OpenAI y Google. Ahora mismo, los gigantes de la IA mundial pasan por este punto: - Anthropic lidera con Claude Fable 5 y coloca a Claude Opus 4.8 Thinking en cuarta posición. - OpenAI sitúa a GPT-5.6 Sol en segundo lugar, GPT-5.5-high en quinto y GPT-5.6 Terra en sexto. - Moonshot entra directamente en el podio con Kimi-K3. - xAI coloca a Grok-4.5 en séptima posición, mientras que Grok-4.20 baja hasta la decimosexta. - Google aparece con Gemini-3.1-Pro en novena posición y Gemini-3.5-Flash en la undécima. Para el usuario son todo buenas noticias. Cada vez más y mejor competencia que nos permite ir probando cada uno de los modelos hasta encontrar el que mejor se ajusta a nuestras necesidades.
Incluso, podemos optar por tener varios al mismo tiempo, dedicando cada uno de ellos a un tipo de tareas. ¿Qué modelo de IA usar según la tarea? | Modelo | Fortaleza Principal | Benchmark Clave | Puntuación Destacada | Ideal para... | |---|---|---|---|---| | Gemini Pro | Análisis Multimodal (texto + imagen) | MMMU | 79.6% | Analizar documentos con gráficos, auditorías visuales, investigación científica. | | GPT 5 | Programación Algorítmica | HumanEval | 92.7% | Desarrolladores, resolución de problemas de código, integración en ecosistema Microsoft. | | Claude 5 | Seguridad y Codificación Real | SWE-bench | 72.5% | Proyectos empresariales, mantenimiento de código, entornos con altos requisitos de seguridad. | | Grok-4 | Contexto Conversacional | DialogQA | 84.3% | Atención al cliente avanzada, análisis de diálogos largos, coherencia narrativa. | ¿Cuánto cuesta usar estos modelos? Gemini 3.1, GPT 5.6, Claude 5 y Grok 4 pueden utilizarse de forma limitada con sus versiones gratuitas. También es posible pagar por acceso a más funciones, con un coste que ronda los 20 euros al mes dependiendo de la plataforma. Gemini 3.1 Pro se puede conseguir desde 21,99 euros al mes, GPT 5.6 a través de OpenAI cuesta 23 euros al mes, Claude 5 son 17 dólares al mes y Grok 4.50, integrado en X Premium, son unos 16 euros.
Conclusión Según los analistas de OpenLM.ai, “la era del modelo dominante ha terminado; ahora la clave es la adaptabilidad y la integración en ecosistemas de uso real”. Esto implica que se debe buscar otros caminos para convencer a los usuarios y seguir marcando el pulso del mercado de la inteligencia artificial. Las grandes inteligencias artificiales del mercado ya no se separan por potencia bruta, sino que lo hacen por sutiles diferencias de integración, API y filosofía de diseño. La próxima actualización del ranking, prevista para otoño de 2026, volverá a darnos una imagen fiel de las nuevas versiones y de los modelos abiertos que están despegando.