Empresa
Artificial Analysis
Artificial Analysis es una organización independiente que evalúa y compara modelos de IA mediante benchmarks propios (Intelligence Index, AA-Omniscience, Coding Agent Index, entre otros), publicando puntuaciones de rendimiento, coste y eficiencia. Se ha convertido en una referencia habitual citada por medios y laboratorios al anunciar nuevos modelos.
IA para hoy ha analizado 26 noticias sobre Artificial Analysis, procedentes de 10 medios distintos. En los últimos siete días han sido 1, frente a las 6 de la semana anterior. La fiabilidad media de esa cobertura es de 3,8 sobre 5, medida con las reglas de nuestro método. Las áreas de impacto que más se repiten son Desarrollo, IT, Productividad. Aparece en 8 historias en seguimiento.
Evolución en 16 semanas
El momentum semanal se estima con la misma fórmula que el momentum actual: volumen, aceleración respecto a la semana anterior, diversidad de fuentes e impacto.
Análisis Qué significa para una empresa
- Oportunidades
- Permite a las empresas comparar objetivamente modelos de distintos proveedores en rendimiento y coste antes de elegir uno para producción, reduciendo el riesgo de depender solo del marketing de cada laboratorio. También facilita detectar la rápida caída de precios y mejora de eficiencia del sector para planificar migraciones.
- Riesgos
- Sus benchmarks han sido cuestionados y revisados (caso GPT-6 Astra), lo que indica que las metodologías aún no son completamente estables ni inmunes a 'gaming'. Basar decisiones de compra únicamente en estos índices sin pruebas propias puede llevar a conclusiones erróneas sobre rendimiento real en tareas específicas.
- Qué debería hacer una empresa
- Usar los índices de Artificial Analysis como referencia inicial de comparación de modelos, pero validar con pruebas internas sobre casos de uso propios antes de comprometerse con un proveedor, de forma continua.
Análisis generado por IA a partir de las noticias disponibles; actualizado 16 oct.
Relacionadas
LLM ×23OpenAI ×13agentes ×12Anthropic ×10coding ×9Google ×8Meta ×6multimodal ×6Mixture-of-Experts ×4DeepSeek ×3
Historias
MiniMax presenta el modelo M3.1 Flash
Lanzamiento de Grok Voice 3.0 de xAI en API
Google lanza Gemini 4 Argon como modelo de frontera
Meta lanza sus modelos de frontera Muse Wonder y Wonder Full
Índice AA-Omniscience y precisión de modelos sin búsqueda web
Mistral lanza Large 4, modelo abierto de un billón de parámetros
Xiaomi lanza modelos MiMo de pesos abiertos para agentes autónomos
Google lanza Gemini 4 Argon, modelo frontera para código y ciberdefensa
Noticias
MiniMax lanza M3.1 Flash, con mejor rendimiento y la mitad de coste que su predecesor
MiniMax ha presentado M3.1 Flash, un modelo de razonamiento que obtiene 42 puntos en el Artificial Analysis Intelligence Index, 13 más que su predecesor M3…
Por qué importaLa competencia de precios entre modelos chinos sigue presionando el coste por tarea, lo que abarata los casos de uso intensivos en razonamiento…
xAI lanza Grok Voice 3.0 en su API a 0,08 dólares por minuto de audio
xAI puso a disposición de los desarrolladores Grok Voice 3.0 en su API el 14 de octubre, con el precio de 0,08 dólares por minuto de audio que tenía la versión…
Por qué importaPara los equipos que operan asistentes de voz o atención al cliente, la actualización puede mejorar capacidades sin subir la tarifa anunciada. Quien…
Gemini 4 Argon llega a la API a 2 dólares por millón de tokens de entrada y doblará su precio en diciembre
Simon Willison publicó la versión 0.35 de su plugin llm-gemini, que añade soporte para Gemini 4 Argon, disponible desde hoy en la API de Gemini y para clientes…
Por qué importaEl precio por token ya no basta para comparar modelos: lo que cuenta es cuántos tokens necesita un modelo para completar una tarea dentro de un…
Google despliega a nivel global Gemini 4 Argon para programación, finanzas, ciencia y ciberseguridad
Google ha comenzado el despliegue global de Gemini 4 Argon, su nuevo modelo para trabajo especializado, dirigido a desarrolladores, empresas y suscriptores de…
Por qué importaUn modelo orientado a tareas de varios pasos en código, finanzas y ciberseguridad puede cambiar qué procesos se delegan a la IA en empresas con…
Simon Willison prueba Muse Wonder de Meta con su test del pelícano en bicicleta
Meta ha lanzado Muse Wonder y Muse Wonder Full, que la empresa presenta como sus modelos más capaces. Según Artificial Analysis, la versión Max equivale a…
Por qué importaPara un responsable de tecnología, el ritmo de lanzamientos de Meta (según el autor, un modelo nuevo al mes) y la mejora entre versiones son señales…
Meta lanza Muse Wonder Full, entre los mejores modelos de IA, pero su coste por tarea casi se triplica
Meta ha lanzado los modelos Muse Wonder y Muse Wonder Full. Según Artificial Analysis, Muse Wonder Full obtiene 56 puntos en su índice de inteligencia, frente…
Por qué importaUn modelo que compite en la primera línea y ofrece mejoras en tareas agénticas puede ser una alternativa a los modelos actuales, pero el aumento de…
Claude Opus 5.5 acierta el 66 % sin buscar en la web, según el índice AA-Omniscience
Según Artificial Analysis, Claude Opus 5.5 encabeza el índice AA-Omniscience con 46 puntos y una precisión del 66 % en preguntas de hechos concretos sin acceso…
Por qué importaMuestra que incluso los mejores modelos fallan en una de cada cinco preguntas difíciles sin apoyo externo, por lo que la búsqueda en la web sigue…
Mistral lanza Large 4, su modelo insignia más potente y se posiciona como alternativa europea abierta
Mistral presentó Large 4 (ML4), un modelo Mixture-of-Experts con 1,05 billones de parámetros totales y 49.000 millones activos, multimodal y entrenado con…
Por qué importaEs el intento más ambicioso de Mistral por acercarse a la frontera de los modelos abiertos y ofrece a empresas europeas una alternativa con…
Xiaomi lanza MiMo-V2.6-Pro, modelo de pesos abiertos que supera a DeepSeek y Grok en benchmarks
Xiaomi presentó en septiembre su familia de modelos MiMo, con MiMo-V2.6-Pro obteniendo 46 puntos en la evaluación de Artificial Analysis, por encima de Grok…
Por qué importaUn fabricante de hardware de consumo como Xiaomi entrando con fuerza en modelos de pesos abiertos de primer nivel reconfigura la competencia entre…
Gemini 4 Argon amplía a un millón de tokens la salida, orientado a tareas largas y autónomas
Google presentó Gemini 4 Argon, que eleva el límite de tokens de salida de 64.000 a un millón mediante una función de pausa y reanudación en la API. Según…
Por qué importaEl cambio desplaza el producto del chat a encargos largos y autónomos, lo que obliga a repensar cómo se supervisa y audita el trabajo de la IA en…
Gemini 4 Argon lidera benchmarks pero empleados de Google cuestionan su rendimiento real en código
Google presenta Gemini 4 Argon, que según Artificial Analysis obtiene 53 puntos en su Intelligence Index, igualando a GPT-6 Astra, y supera a Opus 5.5 y Fable…
Por qué importaMuestra que los benchmarks no siempre reflejan el rendimiento práctico de un modelo, algo clave para empresas que deciden qué modelo adoptar…
Gemini 4 Argon de Google reduce la brecha con OpenAI y Anthropic sin liderar claramente
Google lanzó Gemini 4 Argon, su primer modelo frontera en más de siete meses, con acceso inicial limitado a testers de confianza. En benchmarks independientes…
Por qué importaConfirma que la carrera entre los grandes laboratorios de IA sigue muy reñida, sin un líder claro, lo que da a las empresas más opciones pero también…
Grok 4.7 de xAI llega a Amazon Bedrock con ventana de 500.000 tokens
AWS anunció la disponibilidad de Grok 4.7 de xAI en Amazon Bedrock, con ventana de contexto de 500K tokens y cuatro niveles de esfuerzo de razonamiento…
Por qué importaAmplía las opciones de modelos frontera disponibles en la infraestructura de AWS para empresas que ya operan en ese ecosistema, facilitando pruebas…
Estudios de Epoch AI y MIT muestran caídas de 13x y 3x anuales en el coste de igualar el rendimiento de IA
Epoch AI calcula que el coste de alcanzar un nivel fijo de rendimiento en benchmarks de IA cae un 47% por trimestre, unas 13 veces al año, más rápido que…
Por qué importaPara las empresas que eligen modelos de IA, entender esta dinámica evita decisiones basadas solo en el precio por token, ya que el modelo más barato…
Anthropic lanza Claude Opus 5.5, con rendimiento de Fable 5.1 y 40% menos coste
Anthropic presentó Claude Opus 5.5, que iguala a Claude Fable 5.1 en la mayoría de tareas con un coste operativo un 40% menor que Opus 5. El precio baja a 4 y…
Por qué importaMarca una nueva bajada de precios y mejora de eficiencia en la gama alta de modelos, en plena presión competitiva de OpenAI y modelos chinos más…
Xiaomi lanza MiMo-V2.6-Pro, líder entre modelos abiertos, en medio de acusaciones de destilación ilegal de Claude
Xiaomi lanzó MiMo-V2.6-Pro y Flash, con Pro alcanzando 46 puntos en el Intelligence Index de Artificial Analysis, liderando los modelos abiertos con un coste…
Por qué importaEl caso muestra cómo la competencia en modelos abiertos se intensifica con costes drásticamente menores, pero también revela tensiones sobre el…
OpenAI lanza GPT-6 Astra con récord de benchmarks, salvaguardas de ciberseguridad y disculpa por rollout caótico
OpenAI lanzó el 3 de septiembre GPT-6 Astra, el primer modelo que cruza el umbral 'Critical' de ciberseguridad en su Preparedness Framework, con ExploitBench…
Por qué importaEs el primer modelo de frontera que documenta explícitamente capacidades ofensivas críticas junto a limitaciones de supervisión, lo que tensiona el…
Meta lanza Muse Voice Transcribe, modelo de transcripción en tiempo real de bajo coste
Meta Superintelligence Labs lanzó Muse Voice Transcribe, un modelo de transcripción de voz en tiempo real que procesa audio en fragmentos de 80 milisegundos…
Por qué importaMeta apuesta por competir en precio y latencia en transcripción en tiempo real, sentando las bases para asistentes de IA que 'escuchan' continuamente…
Artificial Analysis actualiza su Intelligence Index tras críticas por la puntuación de GPT-6 Astra
Artificial Analysis lanzó la versión 4.2 de su Intelligence Index tras críticas de que sus benchmarks no reflejaban el progreso real de GPT-6 Astra. Con la…
Por qué importaLos índices de benchmarking influyen en decisiones de compra y adopción de modelos por parte de empresas, por lo que su fiabilidad y metodología son…
OpenAI lanza GPT-6 Astra con capacidades críticas de riesgo, entre dudas sobre benchmarks reales
OpenAI presentó GPT-6 Astra, modelo clasificado en nivel de riesgo 'Crítico' por su capacidad de desarrollar exploits cibernéticos autónomamente, según su…
Por qué importaLa brecha entre las cifras que difunde OpenAI y las verificadas de forma independiente exige cautela al evaluar anuncios de capacidades…
GPT-6 Astra de OpenAI: benchmarks, precios y comparación con Claude Fable
OpenAI ha comenzado a desplegar GPT-6 Astra, primero a organizaciones limitadas y próximamente a usuarios de ChatGPT Plus, Pro, Business y Enterprise, además…
Por qué importaEs el nuevo modelo insignia de OpenAI para competir directamente con Anthropic en precio y capacidades, especialmente en tareas de seguridad y…
Hugging Face revela que modelos ASR de código abierto reproducen errores de benchmark
Hugging Face ha publicado investigación que demuestra que 11 modelos populares de reconocimiento automático de voz (ASR) de código abierto exhiben…
Por qué importaEste hallazgo cuestiona la fiabilidad de los benchmarks públicos como medida real del desempeño: modelos que muestran las puntuaciones más altas…
Qwen 3.8 27B logra puntuación 52 en índice de Artificial Analysis, equiparando modelos más grandes
Qwen 3.8 27B, un modelo de 27 mil millones de parámetros de Alibaba, ha alcanzado una puntuación de 52 en el índice de Artificial Analysis Intelligence, la…
Por qué importaDemuestra que la eficiencia en parámetros es viable en modelos de alto desempeño, reduciendo potencialmente costes de entrenamiento e inferencia…
Z.ai lanza GLM-5.2, el modelo abierto más potente en texto, con 753B parámetros
Z.ai lanzó GLM-5.2 el 16 de junio bajo licencia MIT, un modelo de 753B parámetros con arquitectura Mixture of Experts (40 parámetros activos). Según Artificial…
Por qué importaPara equipos que requieren modelos abiertos de alto rendimiento, GLM-5.2 ofrece una alternativa con mejor relación precio-rendimiento que Claude u…
IBM y Artificial Analysis publican ITBench-AA: primer benchmark para agentes empresariales en IT
IBM Research y Artificial Analysis han publicado ITBench-AA, el primer benchmark diseñado específicamente para evaluar agentes de IA en tareas empresariales de…
Por qué importaEl benchmark evidencia que los modelos actuales aún no están listos para asumir de forma autónoma tareas IT complejas, lo cual es crítico para…
Google lanza Gemini 3.1 Flash TTS, modelo de voz con control granular y marca SynthID
Google DeepMind presentó Gemini 3.1 Flash TTS, un modelo de texto a voz con etiquetas de audio para controlar estilo, ritmo y entonación en más de 70 idiomas…
Por qué importaMejora la calidad y control de voz sintética a bajo coste, facilitando su adopción en aplicaciones comerciales de audio y doblaje multilingüe.