Los modelos se ordenan por la calidad de sus textos en español. Usa los filtros para acotar la lista. Para las categorías de escritura seleccionadas, los puestos se calculan antes de aplicar los filtros de proveedor, tamaño, acceso, razonamiento y cuantización; por eso los modelos ocultos pueden dejar huecos.
Última actualización:
| Puesto | Modelo | Puntuación del juez IA | Puntuación humana |
|---|---|---|---|
| 1 |  Claude Opus 5.5 💡 | 98,5 | — |
| 2 | Claude Fable 5.1 💡 | 98,1 | — |
| 3 | Claude Opus 5 💡 | 97,8 | — |
| 4 |  Kimi K3 💡 | 96,4 | — |
| 5 |  GPT-6.1 Sol 💡 | 95,7 | — |
| 6 | Claude Fable 5 💡 | 95,2 | — |
| 8 | GPT-6 Astra 💡 | 94,6 | — |
| 9 |  GLM 5.3 💡 | 94,0 | — |
| 10 | Claude Sonnet 5.5 💡 | 93,7 | — |
| 11 | GPT-6 Sol 💡 | 92,5 | — |
| 12 |  Muse Spark 1.2 💡 | 91,4 | — |
| 13 |  Grok 4.7 💡 | 88,8 | — |
| 14 |  DeepSeek V4.1 Flash 💡 | 87,8 | — |
| 15 | Muse Spark 1.3 💡 | 87,3 | — |
| 16 | GPT-5.6 Sol 💡 | 85,2 | — |
| 17 |  Aion 3.5 💡 | 85,0 | — |
| 18 |  Gemini 3.8 Flash 💡 | 84,6 | — |
| 19 | Claude Sonnet 5 💡 | 84,4 | — |
| 20 |  Ling 3.1 Flash 💡 | 83,8 | — |
| 21 |  Qwen3.8 Max 💡 | 83,5 | — |
| 23 | GPT-5.6 Terra 💡 | 82,6 | — |
| 24 | GPT-6 Luna 💡 | 81,8 | — |
| 25 |  MiMo V2.6 Pro 💡 | 80,1 | — |
| 26 |  MiniMax M3 💡 | 79,8 | — |
| 27 | GPT-5.6 Luna 💡 | 77,2 | — |
| 28 | Qwen3.7 Max 💡 | 74,7 | — |
| 29 | DeepSeek V4 Pro 💡 | 73,3 | — |
| 30 | Claude Haiku 5.5 💡 | 73,1 | — |
| 31 | Grok 4.6 💡 | 71,5 | — |
| 32 |  Inkling 💡 | 70,6 | — |
| 33 | Qwen3.8 Flash 💡 | 69,6 | — |
| 34 | GLM 5.2 💡 | 67,6 | — |
| 35 | Qwen3.8 27B 💡 🏠 | 65,2 | — |
| 36 | Qwen3.7 Plus 💡 | 64,5 | — |
| 37 |  Hy4 Preview 💡 | 62,3 | — |
| 38 | Gemma 4 31B 💡 🏠 | 61,6 | — |
| 40 | Gemini 3.7 Flash 💡 | 59,6 | — |
| 41 | DeepSeek V4 Flash 💡 | 59,5 | — |
| 45 | Gemma 4 26B A4B ↯ 🏠 | 58,0 | — |
| 46 | Gemma 4 31B ↯ 🏠 | 57,9 | — |
| 48 |  Mistral Large 4 💡 | 55,6 | — |
| 49 |  Seed 2.1 Turbo ↯ | 53,9 | — |
| 52 | Gemma 4 26B A4B 💡 🏠 | 51,3 | — |
| 55 | Aion 3.0 💡 | 46,6 | — |
| 56 | Gemma 4 12B 💡 🏠 | 45,8 | — |
| 58 | GLM 5.3 Flash 💡 | 44,2 | — |
| 60 | Hy3 💡 | 43,0 | — |
| 61 | Qwen3.6 27B 💡 🏠 | 42,9 | — |
| 62 | MiMo V2.5 Pro 💡 | 42,3 | — |
| 64 | Gemma 4 12B ↯ 🏠 | 40,6 | — |
| 67 | MiMo V2.6 Flash 💡 | 38,9 | — |
| 68 | Qwen3.6 35B A3B 💡 🏠 | 38,2 | — |
| 69 |  Nemotron 3 Ultra 💡 | 37,9 | — |
| 71 | Qwen3.8 27B ↯ 🏠 | 34,7 | — |
| 78 |  Agnes 3.0 Flash 💡 | 25,7 | — |
| 80 | Mistral Medium 3.5 💡 | 22,1 | — |
| 82 | Nemotron 3.5 Lightning 💡 | 17,4 | — |
| 82 | Qwen3.6 35B A3B ↯ 🏠 | 17,4 | — |
| 85 | Gemma 4 E4B 💡 🏠 | 14,8 | — |
| 86 | Gemma 4 E2B 💡 🏠 | 14,4 | — |
| 89 | Qwen3.6 27B ↯ 🏠 | 12,9 | — |
| 90 | MiMo V2.5 💡 | 12,6 | — |
| 91 | Gemma 4 E2B ↯ 🏠 | 12,2 | — |
| 93 | MiniMax M3.1 Flash 💡 | 11,2 | — |
| 98 | Gemma 4 E4B ↯ 🏠 | 10,0 | — |
| 102 |  Granite 4.2 30B 💡 🏠 | 7,3 | — |
| 106 | Nemotron 3 Nano Omni 30B A3B 💡 🏠 | 6,3 | — |
| 108 | Granite 4.2 8B 💡 🏠 | 1,9 | — |
Un modelo aparece tras su primera evaluación individual publicada; su puntuación de clasificación aparece tras su primer duelo admisible.
108 modelos comparados106.327 veredictos de IA publicados
Método: modelo de Bradley–Terry regularizado. La puntuación del juez IA determina el puesto; la puntuación humana es independiente y sigue siendo secundaria hasta que haya más votos de la comunidad. Una puntuación de 50 equivale a una probabilidad estimada de una entre dos de superar al modelo medio en este idioma y categoría.
Cada celda muestra la proporción de puntos posibles que obtiene el modelo de la fila frente al modelo de la columna: una victoria vale el 100 %, un empate el 50 % y una derrota el 0 %. Esta matriz solo usa los protocolos de evaluación compatibles con la clasificación principal.
Matriz direccional de los puntos obtenidos en duelos directos. Por encima del 50 % favorece al modelo de la fila; por debajo, al de la columna.
0 %100 %
💡 indica un modelo con razonamiento, ↯ uno sin razonamiento. 🏠 indica un modelo ejecutado localmente en el ordenador del autor de este sitio.«on*» indica un razonamiento que solo se activa o se desactiva (modelos locales sin niveles intermedios): el nivel solicitado, high, no está disponible en el archivo local, que usa el modo activado por defecto. En los modelos locales con razonamiento ajustable (Qwen3.8, Muse Glimmer, Granite 4.2, Nemotron 3 Super, K2 Horizon, Ling 3.0 Flash), el nivel mostrado (xhigh**, high, full) es el nivel por defecto del modelo: el nivel solicitado no está disponible en el archivo local, que usa su nivel por defecto.
| Modelo |
|---|
Cada celda muestra cuántos duelos juzgados por IA y publicados, en todos los protocolos, comparan los dos modelos para este idioma y categoría. Los modelos de ambos ejes son candidatos; la matriz no indica qué juez emitió cada veredicto.
Matriz simétrica del número de duelos publicados. La diagonal es cero porque un modelo no se compara consigo mismo.
0
💡 indica un modelo con razonamiento, ↯ uno sin razonamiento. 🏠 indica un modelo ejecutado localmente en el ordenador del autor de este sitio.«on*» indica un razonamiento que solo se activa o se desactiva (modelos locales sin niveles intermedios): el nivel solicitado, high, no está disponible en el archivo local, que usa el modo activado por defecto. En los modelos locales con razonamiento ajustable (Qwen3.8, Muse Glimmer, Granite 4.2, Nemotron 3 Super, K2 Horizon, Ling 3.0 Flash), el nivel mostrado (xhigh**, high, full) es el nivel por defecto del modelo: el nivel solicitado no está disponible en el archivo local, que usa su nivel por defecto.
| Modelo |
|---|
¿Qué modelo escribe el mejor texto? Juzga esta pareja anónima y contribuye a la clasificación humana. Durante el duelo no verás qué modelo escribió cada texto. Los nombres se revelan al terminar.
La clasificación tiene un ganador; tus textos tienen varios. Solo con los duelos de un tipo de texto, a 20 de septiembre de 2026, Claude Fable 5 gana la ficción, Claude Opus 5 los correos personales, Claude Fable 5.1 las cartas de presentación y Kimi K3 las explicaciones. Una guía sencilla, tarea por tarea, con el mejor archivo para tu propio ordenador.
Contamos en 3 084 textos clasificados en español las marcas que los lectores llaman «de IA»: rayas, muletillas, «no X, sino Y», listas de tres, calcos del inglés. Claude Opus 5, segundo de la clasificación el 20 de septiembre de 2026, es también uno de los más sobrios; GPT-5.6 Sol, noveno, el que más marcas deja, con una lista de tres cada 280 palabras. Y «además» aparece 431 veces.
Noventa y un modelos están clasificados en inglés, francés, alemán y español con el mismo protocolo. A 20 de septiembre de 2026, Claude Fable 5 es tercero en los cuatro; Claude Fable 5.1, primero en español. Más abajo, Grok 4.6 es 21.º en español y 60.º en francés, GLM 5.3 Flash 10.º en inglés y 54.º en alemán, y el mejor modelo local cambia con cada idioma.
Los dos asistentes por los que más se pregunta, juzgados con las mismas consignas en español en duelos a ciegas: cuál escribe mejor, por cuánto y en qué tipos de texto. Se actualiza con cada exportación de la clasificación.
La clasificación viva de los modelos de pesos abiertos para escribir en español, la memoria que necesita cada archivo y lo que cabe en 16, 24, 32 o 128 GB.
