03 Rankings Serve

Rankings de modelos

Bench: calidad medida de nuestros modelos

Los 50 mejores modelos que alojamos, solo cifras medidas (Epoch AI, o LiveBench y LMArena convertidos a la misma escala); las estimaciones no se clasifican.

#	Modelo	Fuente	Rango	LiveBench	Bench
1	Kimi K3.1 ProMoonshotai	Medido	86.8-93.7	no disponible	90.0
2	DeepSeek V4.1 Flash 1017DeepSeek	Medido	83.9-89.8	no disponible	86.7
3	Kimi K3Moonshotai	Medido	83.2-88.4	79.2	85.7
4	GLM 5.3Z.AI	Medido	81.0-86.6	76.1	83.7
5	DeepSeek V4.1 FlashDeepSeek	Medido	80.7-85.7	81.1	83.1
6	DeepSeek V4 Pro 0813DeepSeek	Medido	80.0-85.0	77.4	82.4
7	Qwen3.8 2.4TQwen	Vía LiveBench	73.9-88.0	78.5	80.9
8	GLM 5.3 FlashZ.AI	Medido	77.3-82.0	71.6	79.5
9	DeepSeek V4 Flash Vision ExpDeepSeek	Vía LiveBench	72.2-86.4	76.8	79.3
10	GLM 5.2Z.AI	Medido	76.6-81.2	73.2	78.8
11	Qwen3.8 Flash NextQwen	Vía LiveBench	71.7-85.9	76.2	78.8
12	Qwen3.8 27BQwen	Medido	75.9-81.1	75.3	78.4
13	Kimi K2.6Moonshotai	Medido	74.7-79.2	70.5	76.9
14	Kimi K2.7 CodeMoonshotai	Medido	73.9-79.0	68.4	76.4
15	GLM 5.1Z.AI	Medido	73.4-78.5	70.2	75.9
16	DeepSeek V4 ProDeepSeek	Medido	73.0-77.4	71.6	75.2
17	Kimi K2.5Moonshotai	Medido	71.6-75.4	69.1	73.4
18	Qwen3.5 397B A17BQwen3.5-397b-a17b	Medido	69.7-75.2	no disponible	72.4
19	MiniMax M3MiniMaxAI	Medido	69.5-75.0	67.3	72.2
20	gemma 4 31BGoogle	Vía LMArena	66.4-77.0	no disponible	71.7
21	DeepSeek V4 FlashDeepSeek	Medido	67.0-75.2	74.2	71.1
22	Qwen3.6 27BQwen	Medido	68.3-73.6	64.0	70.9
23	GLM 5Z.AI	Medido	68.6-72.5	68.9	70.6
24	DeepSeek V3.2DeepSeek	Medido	68.5-72.2	51.8	70.3
25	Kimi K2 ThinkingMoonshotai	Medido	67.1-71.7	61.6	69.4
26	Qwen3 VL 235B A22B InstructQwen	Vía LMArena	63.1-73.7	no disponible	68.4
27	GLM 4.5Z.AI	Vía LiveBench	61.0-75.2	65.0	68.1
28	DeepSeek V3.2 ExpDeepSeek	Medido	65.1-70.8	49.9	68.0
29	Qwen3.5 122B A10BQwen	Vía LMArena	62.7-73.3	no disponible	68.0
30	Qwen3.5 122B A10BQwen	Vía LMArena	62.7-73.3	no disponible	68.0
31	DeepSeek V3.1 TerminusDeepSeek	Vía LiveBench	60.7-74.9	64.7	67.8
32	gemma 4 31BGoogle	Medido	64.7-71.0	61.6	67.8
33	Qwen3.6 35B A3BQwen	Medido	65.2-69.9	no disponible	67.6
34	Qwen3.5 35B A3BQwen	Medido	64.3-70.7	no disponible	67.5
35	Mistral Large 4Mistral	Vía LMArena	62.3-72.8	no disponible	67.5
36	Qwen3.5 27BQwen	Vía LMArena	61.5-72.0	no disponible	66.8
37	Qwen3.5 27BQwen	Vía LMArena	61.5-72.0	no disponible	66.8
38	Loes LargeQwen	Vía LMArena	61.5-72.0	no disponible	66.8
39	GLM 4.7Z.AI	Medido	64.0-69.0	58.1	66.6
40	gemma 4 26B A4BGoogle	Medido	61.4-67.7	no disponible	64.6
41	Kimi K2 InstructMoonshotai	Medido	60.5-67.5	48.1	64.1
42	GLM 4.5 AirZ.AI	Vía LiveBench	56.7-70.9	60.5	63.8
43	DeepSeek V3.1DeepSeek	Medido	59.6-67.5	no disponible	63.6
44	DeepSeek R1 0528DeepSeek	Medido	61.2-65.6	69.4	63.5
45	MiniMax M2.5MiniMaxAI	Vía LiveBench	56.3-70.5	60.2	63.4
46	GPT-OSS 120BGpt-oss-120b	Medido	60.4-65.0	46.1	62.8
47	Qwen3.5 9BQwen	Medido	58.9-64.4	no disponible	61.7
48	DeepSeek R1DeepSeek	Medido	58.4-63.1	72.7	60.8
49	Qwen3 235B A22BQwen	Medido	57.5-63.4	63.4	60.5
50	Phi 4 reasoning plusMicrosoft	Vía LiveBench	53.0-67.1	56.6	60.1

Fuentes: Epoch AI y LMArena (CC BY 4.0), LiveBench. Actualizado cada mañana. epoch.ai ↗

Clasificación de inteligencia

Ordenados según un índice compuesto de benchmarks publicados. Cuanto más alto, mejor.

#	Modelo	Tamaño	MMLU	GPQA	MATH	Code	Índice
1	DeepSeek R1 0528DeepSeek	no disponible	91.4	81.0	97.0	92.0	90.4
2	GPT-OSS 120BGpt-oss-120b	no disponible	no disponible	80.1	97.9	no disponible	89.0
3	DeepSeek R1DeepSeek	no disponible	90.8	71.5	97.3	90.0	87.4
4	GLM 4.6Z.AI	no disponible	85.5	82.0	93.5	no disponible	87.0
5	Qwen2.5 32BQwen	32B	83.3	no disponible	83.1	88.4	84.9
6	GLM 4.5Z.AI	no disponible	84.6	79.1	91.0	no disponible	84.9
7	gpt oss 20bOpenAI	21B	no disponible	71.5	96.0	no disponible	83.8
8	Qwen3 235B A22BQwen	235B	87.8	71.1	92.2	no disponible	83.7
9	DeepSeek V3.1DeepSeek	no disponible	90.0	67.0	92.0	85.0	83.5
10	DeepSeek V3 (685B MoE)DeepSeek	685B	89.5	62.7	91.6	84.0	81.9
11	GLM 4.5 AirZ.AI	110B	81.0	75.0	89.0	no disponible	81.7
12	Qwen 2.5 14BQwen	14B	79.7	no disponible	80.0	83.5	81.1
13	DeepSeek V3DeepSeek	no disponible	88.5	59.1	90.2	82.6	80.1
14	DeepSeek R1 Distill Llama 70BDeepSeek	70B	no disponible	65.2	94.5	no disponible	79.9
15	Qwen3 32BQwen	32B	82.4	68.4	88.5	no disponible	79.8
16	DeepSeek R1 Distill 32BDeepSeek	32B	no disponible	62.1	94.3	no disponible	78.2
17	Qwen3 14BQwen	14B	80.7	65.8	87.7	no disponible	78.1
18	Qwen3 30B A3BQwen	30B	79.5	65.8	86.6	no disponible	77.3
19	DeepSeek R1 Distill 14BDeepSeek	14B	no disponible	59.1	93.9	no disponible	76.5
20	Qwen 2.5 72BQwen	72B	86.1	49.0	83.1	86.6	76.2
21	Phi 4 (14B)Microsoft	14B	84.8	56.1	80.4	82.6	76.0
22	Llama 3.3 70BMeta	70B	86.0	50.5	77.0	88.4	75.5
23	Llama 3.1 405B InstructMeta	405B	87.3	50.7	73.8	89.0	75.2
24	Qwen 2.5 Coder 32BQwen	32B	no disponible	no disponible	57.2	92.7	75.0
25	Qwen3 8BQwen	8B	76.9	62.0	85.0	no disponible	74.6
26	Qwen 2.5 Coder 7BQwen	7B	no disponible	no disponible	57.2	88.4	72.8
27	DeepSeek R1 Distill Qwen 7BDeepSeek	7.6B	no disponible	49.1	92.8	no disponible	71.0
28	Llama 3.1 70BMeta	70B	83.6	41.7	68.0	80.5	68.5
29	Qwen2.5 7BQwen	7B	74.2	36.4	75.5	84.8	67.7
30	Gemma 3 27BGoogle	27B	no disponible	42.4	89.0	no disponible	65.7
31	Phi 4 Mini (3.8B)Microsoft	3.8B	67.3	no disponible	64.0	no disponible	65.7
32	gemma 3 12bGoogle	12B	no disponible	34.9	83.8	no disponible	59.3
33	gemma 2 27b itGoogle	27B	75.2	no disponible	42.3	no disponible	58.8
34	Phi 3.5 mini instructMicrosoft	3.8B	69.0	no disponible	48.5	no disponible	58.8
35	Llama 3.1 8BMeta	8B	69.4	30.4	51.9	72.6	56.1
36	Llama 3.2 3BMeta	3B	63.4	no disponible	48.0	no disponible	55.7
37	gemma 2 9b itGoogle	9.2B	71.3	no disponible	36.6	no disponible	54.0
38	Gemma 3 4BGoogle	4B	no disponible	30.8	75.6	no disponible	53.2
39	Mistral Nemo 12BEUMistral	12B	68.0	no disponible	38.0	no disponible	53.0
40	Llama 3.2 1BMeta	1B	49.3	no disponible	30.6	no disponible	40.0
41	Mistral 7B Instruct v0.2EUMistral	7.2B	60.1	no disponible	11.2	30.5	33.9

Los benchmarks son cifras publicadas por los autores de los modelos y por rankings abiertos (última actualización: 2026-06). La metodología varía según el modelo, por lo que el índice sirve para ordenar y no es un benchmark controlado.

Clasificación de velocidad

Ordenados según el tiempo de respuesta real que medimos en nuestras propias GPU europeas. Cuanto más bajo, mejor.

#	Modelo	Tamaño	Respuesta
1	codegemma 2bGoogle	2.5B	66 ms
2	gemma 2b itGoogle	2.5B	67 ms
3	Llama 3.2 3B InstructMeta	3.2B	76 ms
4	Phi 3 mini 128k instructMicrosoft	3.8B	81 ms
5	Apertus v1.1 1.5B InstructEUSwiss-ai	1.5B	81 ms
6	Flor 6.3B Instruct 4096EUBSC-LT	6.2B	81 ms
7	Phi 3.5 mini instructMicrosoft	3.8B	82 ms
8	granite vision 3.1 2b previewIbm-granite	3B	83 ms
9	Llama 3.2 1B InstructMeta	1.2B	87 ms
10	Meta Llama 3 8B InstructMeta	8B	89 ms
11	Qwen3 VL 2B InstructQwen	2.1B	93 ms
12	Phi 3.5 vision instructMicrosoft	4.1B	93 ms
13	Flor 6.3B InstructEUBSC-LT	6.2B	94 ms
14	Qwen3.5 0.8BQwen	0.9B	96 ms
15	Qwen3.5 2BQwen	2B	96 ms
16	Qwen2.5 14B InstructQwen	15B	98 ms
17	phi 4Microsoft	15B	98 ms
18	Qwen2.5 VL 7B Surg CholecT50NVIDIA	8.3B	101 ms
19	salamandra 7b instruct tools 16kEUBSC-LT	7.8B	102 ms
20	Phi 4 mini instructMicrosoft	3.8B	103 ms
21	salamandra 7b instruct 2606EUBSC-LT	7.8B	103 ms
22	X Reasoner 7BMicrosoft	8.3B	106 ms
23	EuroLLM 22B Instruct PreviewEUUtter-project	23B	109 ms
24	Llama Poro 2 8B SFTEULumiOpen	8B	109 ms
25	EuroVLM 1.7B PreviewEUUtter-project	2.1B	110 ms