Instantánea de Benchmarks de LLM, 9 de noviembre de 2026: Los mismos líderes, carreras más reñidas

Nuestra página de benchmarks toma una instantánea de los leaderboards públicos de LLM cada vez que se ejecuta la tarea diaria, y cada instantánea conserva su propia URL permanente. Esta es la foto de la semana del 9 de noviembre de 2026, comparada con la publicación de la semana pasada (3 de noviembre).

El titular: una semana tranquila en la cima

Nada cambió de manos en el número uno esta semana. Gemini 4 Carbon sigue liderando la arena de texto de LMArena y BenchLM, y Claude Opus 5.5 sigue liderando WebDev. El movimiento ocurrió uno o dos lugares por debajo de los líderes, y en todos los casos las diferencias son lo suficientemente pequeñas como para considerarse empates.

Arena de texto: Gemini primero, Claude se reorganiza

En el leaderboard de texto de LMArena, Gemini 4 Carbon (High) se sitúa en aproximadamente 1539 Elo, esencialmente sin cambios desde 1540 la semana pasada. Gemini 4 Argon (High) mantiene el segundo lugar con aproximadamente 1530.

El tercer lugar cambió dentro de la familia Claude: Claude Fable 5.1 (Max) ahora es tercero con 1512.73 y Claude Opus 5.5 (High) cuarto con 1512.71. Esa es una diferencia de dos centésimas de punto, así que tómalo como un empate. La semana pasada el orden era al revés (Opus 5.5 con aproximadamente 1516, Fable 5.1 con aproximadamente 1514).

BenchLM: el mismo orden, una ventaja ligeramente mayor

El leaderboard general de BenchLM mantiene el mismo top tres: Gemini 4 Carbon (88.7, subiendo desde 88.4), Claude Opus 5.5 (86.3) y GPT-6 Astra (85.8, bajando desde 86.1). La ventaja de Carbon sobre el segundo lugar creció de aproximadamente 2.1 a aproximadamente 2.4 puntos, mientras que la brecha entre el segundo y el tercero se abrió de una fracción de punto a aproximadamente medio punto.

WebDev: Claude amplía su ventaja

Claude Opus 5.5 (Max) sigue liderando la arena WebDev de LMArena y subió a aproximadamente 1818, desde aproximadamente 1810. Detrás de él, el orden cambió: Claude Sonnet 5.5 (xHigh) subió al segundo lugar con aproximadamente 1773, Gemini 4 Carbon (High) es tercero con aproximadamente 1768, y GPT-6 Astra (Max), segundo la semana pasada, cayó al cuarto lugar con aproximadamente 1767. Las posiciones dos a cuatro están dentro de siete puntos entre sí.

Aider polyglot sigue congelado

El tablero de Aider polyglot es idéntico por otra semana: GPT-5 (high) con 88.0, GPT-5 (medium) con 86.7 y o3-pro (high) con 84.9. No ha agregado modelos frontera recientes en meses, así que trátalo como una referencia histórica.

Las fuentes difieren, y ese es el punto

Tres leaderboards, tres respuestas: Gemini 4 Carbon en preferencia de chat general y en el agregado de BenchLM, Claude Opus 5.5 en desarrollo web, y una entrada GPT-5 en un tablero de codificación que dejó de actualizarse. Elige el leaderboard que coincida con tu tarea y verifica si todavía se mantiene.

Nota de datos: nuestro feed de LiveBench aún no ha devuelto filas desde la instantánea del 18 de octubre, así que LiveBench falta en esta comparación nuevamente.

Explora los datos