Gemini (Google) — Gemini 3.1 Pro Preview encabeza la tabla del LM Council "sin herramientas" con un 46,4 %, por delante del 44,3 % de GPT-5.4 Pro . También logró las mejores puntuaciones en 13 de 16 benchmarks en su lanzamiento , incluyendo razonamiento (GPQA Diamond 94,3 %) y matemáticas (AIME 2025 95,0 %) .
DeepSeek V4 — Es competitivo con GPT-5.4 en razonamiento (GPQA Diamond 89 % frente a 92,8 %) y matemáticas (AIME 91 % frente a 94,6 %), y es una de las mejores opciones de peso abierto .
| Tarea | Mejor modelo | Cómo se compara con GPT |
|---|---|---|
| Trabajo de conocimiento / agentes de escritorio | GPT-5.4 | Lidera aquí: 83 % en GDPval, primero en superar a humanos en OSWorld (75 %) |
| Programación (SWE-bench Pro) | GPT-5.4 xHigh | 59,10 % — primero en la tabla pública |
| Programación (duelo en Arena) | GPT-5.5 | El más fuerte en enfrentamientos directos de código |
| Razonamiento (GPQA Diamond) | Gemini 3.1 Pro | 94,3 % — supera el 92,8 % de GPT-5.4 |
| Matemáticas (AIME 2025) | Gemini 3.1 Pro | 95,0 % — apenas por delante del 94,6 % de GPT-5.4 |
| Compuesto global | Claude Mythos 5 | Puntuación 99 frente a los 80–90 de los mejores GPT |
Ningún modelo es estrictamente "mejor que GPT" para todo — la frontera se ha diversificado, así que la mejor elección depende de tu caso de uso concreto.
Gemini (Google) — Gemini 3.1 Pro Preview encabeza la tabla del LM Council "sin herramientas" con un 46,4 %, por delante del 44,3 % de GPT-5.4 Pro . También logró las mejores puntuaciones en 13 de 16 benchmarks en su lanzamiento , incluyendo razonamiento (GPQA Diamond 94,3 %) y matemáticas (AIME 2025 95,0 %) .
DeepSeek V4 — Es competitivo con GPT-5.4 en razonamiento (GPQA Diamond 89 % frente a 92,8 %) y matemáticas (AIME 91 % frente a 94,6 %), y es una de las mejores opciones de peso abierto .
| Tarea | Mejor modelo | Cómo se compara con GPT |
|---|---|---|
| Trabajo de conocimiento / agentes de escritorio | GPT-5.4 | Lidera aquí: 83 % en GDPval, primero en superar a humanos en OSWorld (75 %) |
| Programación (SWE-bench Pro) | GPT-5.4 xHigh | 59,10 % — primero en la tabla pública |
| Programación (duelo en Arena) | GPT-5.5 | El más fuerte en enfrentamientos directos de código |
| Razonamiento (GPQA Diamond) | Gemini 3.1 Pro | 94,3 % — supera el 92,8 % de GPT-5.4 |
| Matemáticas (AIME 2025) | Gemini 3.1 Pro | 95,0 % — apenas por delante del 94,6 % de GPT-5.4 |
| Compuesto global | Claude Mythos 5 | Puntuación 99 frente a los 80–90 de los mejores GPT |
Ningún modelo es estrictamente "mejor que GPT" para todo — la frontera se ha diversificado, así que la mejor elección depende de tu caso de uso concreto.