Intelligence Index v5 pone a Claude Opus 5.5 en la cima y amplía la brecha open-weight

Artificial Analysis lanzó a finales de octubre el Intelligence Index v5, su ranking compuesto de modelos de IA — un benchmark, es decir, una batería de pruebas estandarizadas para comparar capacidades —, y la cima cambió de dueño. Claude Opus 5.5, con esfuerzo máximo de razonamiento, asumió el liderazgo con 58 puntos en el Intelligence Index v5 de Artificial Analysis, por delante de GPT-6 Astra de OpenAI, con 57 puntos, y de GPT-6.1 Sol, con 55 puntos.

La pelea en la frontera sigue muy cerrada, con poca distancia entre los primeros aun con una prueba más exigente. Le siguen Claude Sonnet 5.5, Gemini 4 Argon y Muse Wonder Full de Meta, además de Kimi K3.1 Pro de Moonshot AI, como muestra el gráfico de puntajes.

Prueba más cerrada y difícil

El cambio mayor está en la vara, no solo en el podio. Por primera vez, la mayor parte de la calificación proviene de pruebas privadas que los laboratorios nunca habían visto, según la propia Artificial Analysis. La versión incluye dos evaluaciones nuevas y tres benchmarks actualizados, en la mayor reforma desde la creación del índice, además de una actualización en la parte de conocimiento general para reemplazar pruebas ya saturadas.

Quien más sintió la nueva vara fue el lado abierto de la industria. La distancia entre el mejor modelo cerrado y el mejor modelo open-weight, de pesos abiertos, saltó de 3 a 12 puntos con la nueva metodología, según Artificial Analysis. Kimi K3.1 Pro de Moonshot AI lidera los modelos abiertos con 46 puntos, muy por detrás de los 58 puntos de Opus 5.5.

Es una reversión de la tendencia de acercamiento vista meses antes. En la antigua versión v4.3, Kimi K3 había llegado a 6 puntos del líder, después de que los modelos abiertos recortaran la diferencia a la mitad el año anterior. K3.1 Pro es un modelo de mezcla de expertos con 2.8 billones de parámetros en total y 104 mil millones activos a la vez, con una ventana de contexto — la cantidad de texto que puede procesar de una vez — de 1 millón de tokens.

Tope caro, alternativa barata

Ser el más inteligente no significa ser el más económico para usar en agentes y aplicaciones. El gráfico de costo por tarea de Artificial Analysis compara a Claude Opus 5.5 con GPT-6.1 Sol, GPT-6 Astra, Gemini 4 Argon y Kimi K3.1 Pro, y muestra una amplia diferencia entre el líder y las alternativas más baratas.

El caso de Muse Wonder Full de Meta muestra cómo el ranking mide tanto la vara como el modelo. Dos semanas antes del v5, había logrado 56 puntos en la versión anterior, prácticamente empatado con Astra a mediados de octubre. No empeoró: la prueba cambió y lo colocó ahora en otro nivel competitivo.

Para las empresas, el peso del índice viene de su independencia: Artificial Analysis no es un laboratorio y no vende modelos, por eso los equipos de compras usan la calificación para justificar grandes contratos de inferencia. Junto con el v5, lanzó el Progress Index v1, que pone a todos los grandes modelos de lenguaje desde noviembre de 2022 en una misma escala de capacidad para mostrar la evolución en el tiempo.