01 Cuatro pruebas, cuatro distancias
La distancia depende de la tarea
En ciencia de posgrado, Kimi K3.1 Pro es el mejor modelo de pesos abiertos, a 2,2 puntos de Gemini 4 Argon. En conocimiento factual, Claude Fable 5.2 le saca 31,8 puntos a Kimi K3.1 Pro.
El mejor modelo de pesos abiertos y el mejor modelo cerrado en cuatro pruebas
Mejor modelo de pesos abiertos Mejor modelo cerrado
Ciencia de posgrado
Kimi K3.1 Pro 94,2%
Gemini 4 Argon 96,4%
2,2 pts
Trabajo agéntico *
Kimi K3.1 Pro 63,6%
Claude Fable 5.2 y Claude Opus 5.5 65,2%
1,5 pts
Matemáticas avanzadas
Kimi K3.1 Pro 78,2%
Claude Fable 5.2 95,1%
16,8 pts
Conocimiento factual
Kimi K3.1 Pro 62,2%
Claude Fable 5.2 94,0%
31,8 pts
5 pruebas más de Epoch AI
Matemáticas de competición (los dos al 100%)
Kimi K3.1 Pro 100,0%
Claude Fable 5.1 y 10 más 100,0%
0,0 pts
Ingeniería de software (última ejecución en junio de 2026)
GLM-5.2 78,7%
Claude Opus 4.7 83,5%
4,8 pts
Problemas de ajedrez
DeepSeek V4.1 Flash 48,0%
Claude Fable 5.2 79,0%
31,0 pts
Matemáticas de investigación
Kimi K3.1 Pro 65,8%
Claude Fable 5.2 y GPT-6.1 Sol 100,0%
34,2 pts
Juegos de misterio
DeepSeek V4.1 Flash 49,0%
Claude Fable 5.2 90,0%
41,0 pts
Se leen igual que el gráfico: modelos lanzados hasta el 10 de noviembre de 2026, cada uno con su mejor configuración, en las ejecuciones propias de Epoch AI; son todas las demás pruebas del archivo de Epoch AI con un resultado de pesos abiertos y uno cerrado. Epoch AI no ejecuta SWE-bench Verified desde junio de 2026, así que le faltan los modelos más recientes. Fuente: Epoch AI (CC BY 4.0).
Dos de las cuatro distancias son pequeñas: 2,2 puntos en ciencia y 1,5 puntos en trabajo agéntico largo, las dos de Kimi K3.1 Pro. Dos son grandes: 16,8 en matemáticas avanzadas y 31,8 al responder preguntas factuales de memoria, donde Claude Fable 5.2 está muy por delante de todos los demás modelos.
