Modelos de IA

Claude Opus 5.5

Anthropic·Uso general

4.7/5

El buque insignia predeterminado de Anthropic para programación con agentes y trabajo intelectual, a $4/$20 por millón de tokens con un contexto de 1M de tokens.

Eleven v4 and v4 Turbo

ElevenLabs·Texto a voz

4.7/5

La pareja de modelos de texto a voz expresivos de ElevenLabs, empatada en el primer puesto de la arena de voz de Artificial Analysis; v4 Turbo está pensado para agentes de voz.

GPT Image 2.5 (Flare and Sunburst)

OpenAI·Generación de imágenes

4.7/5

Los modelos de imagen actuales de OpenAI: Flare para la generación y edición del día a día, Sunburst para ediciones precisas en varios pasos.

Claude Sonnet 5.5

Anthropic·Uso general

4.6/5

El modelo de gama media de Anthropic: cerca de Opus 5.5 en muchos benchmarks a mitad de precio, $2/$10 por millón de tokens.

GPT-6.1 Sol

OpenAI·Uso general

4.6/5

El caballo de batalla de precio medio de OpenAI: resultados cercanos a Astra en programación y computer use a $2/$10 por millón de tokens.

Nano Banana 2.1

Google·Generación de imágenes

4.6/5

El modelo de imágenes de gama Flash de Google: cuarto en votaciones a ciegas, desde unos 3,4 céntimos por imagen 1K y con hasta 14 imágenes de referencia.

Voyage rerank-3

Voyage AI (MongoDB)·Embeddings y reordenación

4.6/5

Los rerankers más recientes de Voyage AI, con una ventana de 32K tokens, seguimiento de instrucciones y precios desde 0,02 $ por millón de tokens.

Claude Haiku 5.5

Anthropic·Uso general

4.5/5

El modelo pequeño y rápido de Anthropic, desde $0,10/$0,50 por millón de tokens, con un contexto de 1M de tokens y esfuerzo ajustable.

Gemini 3.8 Flash TTS

Google·Texto a voz

4.5/5

La síntesis de voz expresiva de Google, quinta en votaciones a ciegas por unos $16,50 por millón de caracteres, con diseño y clonación de voces.

Gemini 4 Argon

Google·Razonamiento

4.5/5

El nuevo modelo de razonamiento insignia de Google: lee texto, imágenes, audio, vídeo y PDF, con un contexto de 1M de tokens.

La renovación rápida de los modelos de imagen de OpenAI: la mitad de espera, ediciones con marcas, salida SVG y GIF, mismos precios por token y sin Batch.

Los embedders de texto de Microsoft con licencia MIT en tres tamaños; el 27B lideró MTEB v2 multilingüe con 74,3 y los pequeños lideran sus categorías.

MiMo-V2.6-Pro

Xiaomi·Razonamiento·Pesos abiertos

4.5/5

El modelo de pesos abiertos de 1 billón de parámetros de Xiaomi, primero entre los modelos abiertos en Artificial Analysis, a $0,87 por 1M de salida.

NVIDIA Nemotron 3.5 Transcribe

NVIDIA·Voz a texto·Pesos abiertos

4.5/5

El modelo de voz abierto y guiado por prompts de NVIDIA: transcripción en 40 idiomas, etiquetas de hablante y traducción en un solo checkpoint.

Perplexity Decider (pplx-decider)

Perplexity·Modelos de decisión·Pesos abiertos

4.5/5

Los modelos de decisión abiertos de 27B y 4B de Perplexity, también a la venta como API a 0,02 $ por millón de tokens: entran texto e imágenes, salen probabilidades.

Qwen3.8-27B

Alibaba (Qwen)·Uso general·Pesos abiertos

4.5/5

El modelo denso con Apache 2.0 de Alibaba: 27.000 millones de parámetros, entrada de imagen y vídeo, y puntuaciones de programación que rivalizan con modelos muchas veces más grandes.

voyage-4-large

Voyage AI (MongoDB)·Embeddings y reordenación

4.5/5

El mejor modelo de embeddings de texto de Voyage AI, basado en mixture-of-experts, que comparte un mismo espacio vectorial con los modelos Voyage 4 más baratos.

Wan 3.0

Alibaba·Vídeo

4.5/5

El modelo de vídeo más reciente de Alibaba, primero en la clasificación de vídeo actual de Artificial Analysis, con clips de hasta 30 segundos.

Cartesia Sonic 3.6

Cartesia·Texto a voz

4.4/5

El modelo de texto a voz de baja latencia de Cartesia para agentes de voz, en 44 idiomas.

Cohere Rerank 5

Cohere·Embeddings y reordenación

4.4/5

El reranker de Cohere de octubre de 2026, en tamaños Pro y Fast, con puntuaciones calibradas y la opción de devolver solo los fragmentos relevantes.

ElevenLabs Scribe v2

ElevenLabs·Voz a texto

4.4/5

El modelo de transcripción por lotes de ElevenLabs: 2,2% de tasa de error por palabra en pruebas independientes, 0,22 $ por hora, con diarización y detección de entidades.

Gemma 4

Google·Pequeños y locales·Pesos abiertos

4.4/5

La familia de modelos abiertos de Google bajo Apache 2.0, desde el E2B del tamaño de un móvil hasta un modelo de 31B para una GPU, con entrada de imagen, vídeo y audio.

GLM-5.3

Z.ai (Zhipu AI)·Programación·Pesos abiertos

4.4/5

El modelo de pesos abiertos de Z.ai para programación y agentes, con una licencia casi MIT, a $1,40/$4,40 por millón de tokens en su API.

Los embedders abiertos de NVIDIA para texto e imágenes de página en un solo espacio vectorial, primeros en ViDoRe v3.1 y gratis en OpenRouter.

PaddleOCR-VL-1.6

Baidu (PaddlePaddle)·OCR y documentos·Pesos abiertos

4.4/5

Un analizador de documentos de 900 millones de parámetros que encabeza la principal prueba de OCR, al menos según sus creadores.

SAM 3 (Segment Anything Model 3)

Meta·Visión y multimodales·Pesos abiertos

4.4/5

El modelo de 848M de parámetros de Meta que encuentra, contornea y sigue cada instancia de una frase corta en imágenes y vídeo.

Seedance 2.5

ByteDance·Vídeo

4.4/5

El modelo conjunto de audio y vídeo de ByteDance, con tomas de 30 segundos, muchas referencias multimodales y ediciones por marcas de tiempo.

Voxtral 3 (Transcribe and TTS)

Mistral AI·Voz a texto

4.4/5

La familia de voz de Mistral de octubre de 2026: transcripción en 50 idiomas desde 0,0035 $ por minuto, tiempo real por debajo de 500 ms y clonación de voz.

Modelo de canciones con licencia MIT que funciona con menos de 4 GB de VRAM, genera hasta 10 minutos con letra en más de 50 idiomas y edita secciones.

Claude Fable 5.1

Anthropic·Razonamiento

4.3/5

El nivel más alto de Anthropic para el razonamiento difícil y el trabajo de agentes a largo plazo, a $10/$50 por millón de tokens.

DeepSeek-V4-Pro

DeepSeek·Razonamiento·Pesos abiertos

4.3/5

El mayor modelo de pesos abiertos de DeepSeek: 1,6T parámetros, licencia MIT, contexto de 1M de tokens y precios de API muy bajos.

El modelo musical de ElevenLabs: canciones con voz de hasta cinco minutos, edición por secciones y amplios derechos comerciales, a 0,15 $ el minuto.

EmbeddingGemma 2

Google DeepMind·Embeddings y reordenación·Pesos abiertos

4.3/5

El modelo de embeddings abierto de Google para dispositivos, que reúne texto, código, imágenes, audio y vídeo en un mismo espacio.

Gemini 4 Carbon

Google·Razonamiento

4.3/5

El mejor modelo de razonamiento de Google, primero en el índice de Artificial Analysis, pero por ahora solo pueden usarlo defensores de ciberseguridad verificados.

Gemini Embedding 2

Google·Embeddings y reordenación

4.3/5

El primer modelo de embeddings multimodal de Google: texto, imágenes, vídeo, audio y PDF en un único espacio vectorial compartido.

Gemini Omni Flash 1.1

Google·Vídeo

4.3/5

El modelo de vídeo por defecto de Google, basado en Gemini, para clips cortos que se pulen conversando.

GLM-5.3-Flash

Z.ai (Zhipu AI)·Uso general·Pesos abiertos

4.3/5

El modelo mixture-of-experts de 320B de Z.ai con licencia MIT, entrada de imagen y vídeo, contexto de 1M de tokens y un precio de API de $0,15/$0,50.

GLM-OCR

Z.ai (Zhipu AI)·OCR y documentos·Pesos abiertos

4.3/5

El modelo de OCR compacto de Zhipu: evaluado de forma independiente, 1,74 millones de descargas al mes y una API a 0,03 $ por millón de tokens.

GPT-6 Astra ajustado por OpenAI para trabajo autorizado con exploits, vendido solo a clientes de Daybreak Red verificados mediante la API y Codex.

GPT-6 Luna

OpenAI·Uso general

4.3/5

El modelo pequeño y barato de OpenAI para tareas de gran volumen, a $0,10/$0,50 por millón de tokens con un contexto de 1,05M de tokens.

GPT-Live-1 (and GPT-Realtime-2.1)

OpenAI·Música y audio

4.3/5

El modelo de voz full-duplex de OpenAI: escucha mientras habla y delega el razonamiento en un modelo de texto que tú eliges, a 0,05 $ el minuto.

El modelo de voz a voz de SpaceXSI para agentes de voz: primero en el índice de Artificial Analysis a una tarifa plana de 0,08 $ el minuto, servido desde una sola región de EE. UU.

Jina Embeddings v5

Jina AI (Elastic)·Embeddings y reordenación·Pesos abiertos

4.3/5

Los pequeños modelos de embeddings de texto multilingües de Jina AI y sus hermanos omni para imágenes, vídeo y audio, que comparten un mismo espacio vectorial.

Jina Reranker v3.5

Jina AI (Elastic)·Embeddings y reordenación·Pesos abiertos

4.3/5

Pequeño reranker multilingüe de 0,6B de Jina AI (ahora Elastic) que puntúa toda una lista de candidatos en una sola pasada, con un contexto de 131K tokens.

Kimi K3

Moonshot AI·Razonamiento·Pesos abiertos

4.3/5

El modelo de pesos abiertos de 2,8 billones de parámetros de Moonshot AI, fuerte en tareas de agente y de navegación, con un contexto de 1M de tokens.

MAI-Image-2.6

Microsoft AI·Generación de imágenes

4.3/5

El modelo de imagen propio de Microsoft, quinto en la arena de Artificial Analysis, en preview en Foundry a unos $39 por 1.000 imágenes.

Midjourney V8

Midjourney·Generación de imágenes

4.3/5

La octava generación del modelo de imágenes de Midjourney, ya en V8.2 con un editor por instrucciones, que solo se vende como suscripción mensual.

MiniCPM-OCR 1.0

OpenBMB·OCR y documentos·Pesos abiertos

4.3/5

El modelo de OCR de 1,3B de OpenBMB, el más rápido en la prueba de 15 modelos de su creador y primero en cuatro de seis benchmarks de OCR, con Apache 2.0.

MiniMax H3 (Hailuo 3.0)

MiniMax·Vídeo·Pesos abiertos

4.3/5

El modelo de vídeo de 33B de MiniMax con sonido estéreo: el mejor de pesos abiertos, con licencia que excluye EE. UU., la UE, Reino Unido y Corea del Sur.

Los transcriptores de Alibaba bajo Apache 2.0 en tamaños de 1.7B y 0.6B: 30 idiomas, 22 dialectos chinos, identificación de idioma y streaming en un solo modelo.

Qwen3-VL-Embedding

Alibaba (Qwen)·Embeddings y reordenación·Pesos abiertos

4.3/5

El modelo abierto de embeddings multimodales de Alibaba para texto, imágenes, capturas de pantalla y vídeo en un solo espacio vectorial, en tamaños de 2B y 8B.

Los modelos de seguridad abiertos de Alibaba, de 0.6B a 8B, que etiquetan el texto como seguro, controvertido o inseguro en 119 idiomas, con una variante en streaming.

Chandra OCR 2

Datalab·OCR y documentos·Pesos abiertos

4.2/5

El analizador de Datalab basado en Qwen 3.5 lidera olmOCR-Bench y una clasificación independiente de impresos históricos, pero sus pesos solo son gratuitos por debajo de 2M $.

Cohere Embed 5

Cohere·Embeddings y reordenación

4.2/5

Los modelos de embeddings multimodales de Cohere para texto, imágenes y PDF, con entradas de 128K tokens y niveles Pro y Fast que comparten un mismo espacio vectorial.

DeepSeek-V4.1-Flash

DeepSeek·Uso general·Pesos abiertos

4.2/5

El modelo mixture-of-experts abierto de DeepSeek con licencia MIT, entrada de imágenes y un contexto de 1M de tokens, desde 0,15 $ por millón de tokens de entrada en horas valle.

Fish Audio Drama 3

Fish Audio (39 AI, Inc.)·Texto a voz·Pesos abiertos

4.2/5

El modelo de voz de pesos abiertos de 35B de Fish Audio para escenas dirigidas con varios personajes: el mejor modelo abierto de la tabla de TTS de Artificial Analysis.

FLUX 3

Black Forest Labs·Vídeo

4.2/5

El modelo multimodal de Black Forest Labs para vídeo con audio e imágenes, construido sobre una única arquitectura compartida.

Gemini 3.5 Transcribe

Google·Voz a texto

4.2/5

Los modelos de voz a texto específicos de Google, con una variante Live en streaming, a cerca de medio céntimo por minuto.

GPT-6 Astra

OpenAI·Razonamiento

4.2/5

El modelo de razonamiento insignia de OpenAI para el trabajo más difícil, a $10/$50 por millón de tokens con un contexto de 1,05M de tokens.

Hy4 preview

Tencent (Hy, formerly Hunyuan)·Programación·Pesos abiertos

4.2/5

El modelo insignia de pesos abiertos de 770B de Tencent (antes Hunyuan) bajo Apache 2.0 sin añadidos, fuerte en código y con un contexto de 1M de tokens.

Kimi K3.1 Pro

Moonshot AI·Razonamiento

4.2/5

El Kimi K3 reentrenado de Moonshot AI: primero en la tabla de Terminal-Bench de Artificial Analysis, pero 22.º en su índice v5.0, más duro, y lento.

LightOnOCR-3-4B

LightOn·OCR y documentos·Pesos abiertos

4.2/5

El modelo de OCR de extremo a extremo de 4B de LightOn, con cuadros de maquetación y datos de gráficos, primero en ParseBench y el mejor con documentos en francés según las pruebas de su creador.

Los diminutos clasificadores abiertos de Meta, de 86M y 22M parámetros, que etiquetan el texto como benigno o malicioso ante inyecciones de prompt y jailbreaks.

El modelo musical de Google: canciones completas con voz y letra a partir de texto o de hasta 10 imágenes, a 0,08 $ por pista en la Gemini API.

Modelo de canciones de pesos abiertos de MiniMax: hasta cinco minutos con voz a partir de tu letra, uso comercial por debajo de 20 M$.

Mistral OCR 4.1

Mistral AI·OCR y documentos

4.2/5

El OCR de documentos de Mistral con cajas delimitadoras por párrafo, etiquetas de bloque y puntuaciones de confianza en 170 idiomas, a $4 por 1.000 páginas.

Un modelo de visión de 9B con 2B activos que encuentra, señala y cuenta objetos más rápido que modelos con cuatro veces más parámetros activos.

Un modelo de agentes de 3B del laboratorio de BOSS Zhipin que repite sus capas para superar a Qwen3.5-9B en uso de herramientas y agentes de código.

Nano Banana Pro (Gemini 3 Pro Image)

Google·Generación de imágenes

4.2/5

El modelo de imagen prémium de Google: cuesta cuatro veces más que Nano Banana 2.1, pero sigue siendo el que más confianza da a los críticos en realismo.

OvisOCR3

Alibaba (ATH-MaaS)·OCR y documentos·Pesos abiertos

4.2/5

El sucesor de OvisOCR2: el mismo tamaño de 0,8B, ahora con extracción de campos y tablas entre páginas, con puntuaciones que por ahora solo ha comprobado Alibaba.

Qwen3-Embedding and Qwen3-Reranker

Alibaba (Qwen)·Embeddings y reordenación·Pesos abiertos

4.2/5

La familia de embeddings y reordenación con Apache 2.0 de Alibaba, desde un modelo de 0,6B hasta uno de 8B que encabezó MTEB multilingüe en junio de 2025.

Qwen3.8-Flash-Next

Alibaba (Qwen)·Uso general·Pesos abiertos

4.2/5

El adelanto de Qwen de la arquitectura de Qwen4: 6.000 millones de parámetros activos, buenas puntuaciones de programación declaradas por el fabricante y una licencia restrictiva.

Qwen3.8-Max

Alibaba (Qwen)·Razonamiento·Pesos abiertos

4.2/5

El insignia de Alibaba de 2,4 billones de parámetros, con pesos abiertos y una API a 2 $/6 $ que añade imagen, vídeo y 1M de contexto.

Shieldstral 1.0 3B

Mistral AI·Modelos de decisión·Pesos abiertos

4.2/5

El clasificador de seguridad abierto de 3B de Mistral, que comprueba texto e imágenes según políticas de moderación que escribes en lenguaje llano.

Step 5 Preview

StepFun·Razonamiento·Pesos abiertos

4.2/5

El modelo de pesos abiertos de 600B de StepFun, con un contexto de 1 millón de tokens y tan inteligente como Kimi K3 en Artificial Analysis por la mitad de coste.

Unlimited-OCR 2

Baidu·OCR y documentos·Pesos abiertos

4.2/5

El modelo de OCR abierto de Baidu que analiza un documento de 300 páginas en una sola petición, con un uso de memoria que se mantiene estable aunque el documento crezca.

El modelo de voz de 2B de OpenBMB con licencia Apache: 30 idiomas, diseño de voz a partir de una frase y clonación, en unos 8 GB de VRAM.

d3-turbo (vLLM Semantic Router)

vLLM Semantic Router·Modelos de decisión·Pesos abiertos

4.1/5

El modelo de decisión de 27B mejorado de vLLM Semantic Router: lee una entrada una vez, responde hasta 255 preguntas y localiza objetos en vídeo.

Doubao Seed 2.1 Pro

ByteDance·Uso general

4.1/5

El modelo insignia cerrado de ByteDance detrás de la app Doubao: líder en comprensión de vídeo e imagen, vendido sobre todo a través de Volcano Engine en China.

Gemini 3.5 Flash-Lite

Google·Uso general

4.1/5

El modelo de texto Gemini actual más barato de Google, muy rápido una vez que arranca, a 0,30 $/2,50 $ por millón de tokens y con nivel gratuito.

Gemini 3.8 Flash

Google·Uso general

4.1/5

El modelo de gama media de Google para agentes y documentos: lee texto, imágenes, audio, vídeo y PDF con una entrada de 1M de tokens.

El modelo rápido de precio medio de OpenAI para uso del ordenador y trabajo de oficina: $1/$5 por millón de tokens, contexto de 1,05M y más acciones de riesgo en pruebas.

El modelo de voz en inglés de 31M parámetros de Gradium en un archivo de 64,5 MB, mejor valorado que Kokoro por los oyentes y gratuito para uso comercial.

HunyuanOCR 1.5

Tencent (Hy, formerly Hunyuan)·OCR y documentos·Pesos abiertos

4.1/5

El modelo de OCR de extremo a extremo de 1,12B de Tencent para análisis, localización de texto, extracción y traducción; sin licencia en la UE, el Reino Unido ni Corea del Sur.

HY-World 2.0

Tencent (Hy, formerly Hunyuan)·Juegos y modelos de mundo·Pesos abiertos

4.1/5

El pipeline abierto de Tencent que convierte una frase o una foto en un mundo 3D persistente que puedes recorrer y abrir en Unity.

Kling 4.0

Kuaishou (Kling AI)·Vídeo

4.1/5

El nuevo modelo de vídeo de Kuaishou: tomas de 30 segundos, 10 fotogramas clave, 15 referencias y sonido estéreo, con API de momento solo en fal.

El modelo abierto de código de Poolside, con 118B parámetros, 8B activos, un contexto de 1M de tokens y una licencia permisiva, a 0,10/0,20 $ por millón de tokens.

El primer modelo de transcripción en directo de Microsoft: 60 idiomas, texto parcial en unos 100 ms, 0,54 $ por hora de audio mientras esté en preview.

El modelo omni de 9B de OpenBMB bajo Apache 2.0 que ve, escucha y responde al mismo tiempo, en un Mac o una GPU de 12 GB.

Ministral 3 (3B, 8B and 14B)

Mistral AI·Pequeños y locales·Pesos abiertos

4.1/5

Los modelos abiertos pequeños de Mistral en tres tamaños, cada uno con versiones base, instruct y de razonamiento y entrada de imagen, bajo Apache 2.0.

Mistral Large 4

Mistral AI·Uso general·Pesos abiertos

4.1/5

El buque insignia de 1 billón de parámetros de Mistral, ya con pesos abiertos y fuera de la vista previa, a $0,70/$2,10 por millón de tokens.

Moondream Parakeet Redux

Moondream (M87 Labs)·Voz a texto·Pesos abiertos

4.1/5

El Parakeet de 1,58 bits de Moondream: el transcriptor de 25 idiomas de NVIDIA reducido de 1,2 GB a 178 MB y ejecutado a 113x tiempo real en ocho núcleos de CPU.

Muse Glimmer

Meta·Uso general·Pesos abiertos

4.1/5

El modelo de agentes de 30B y Apache 2.0 de Meta, destilado de Muse Spark y acompañado de versiones de 4 bits probadas para una sola GPU de consumo.

Muse Wonder

Meta·Uso general

4.1/5

El primer modelo de Meta con precio de frontera: fuerte en programación larga y trabajo de agentes jurídicos, por detrás de Claude Opus 5.5 en la mayor parte de la propia tabla de Meta.

El modelo de razonamiento abierto de 550B de NVIDIA con datos de entrenamiento abiertos, rápido de servir y prudente con los hechos, desde 0,40/1,76 $ por millón de tokens.

El reranker abierto de 8B de NVIDIA que lee imágenes de página además de texto, primero en la tabla de reranking de ViDoRe v3.1 en su lanzamiento.

Nemotron 3.5 Super VL

NVIDIA·Visión y multimodales·Pesos abiertos

4.1/5

El MoE híbrido Mamba abierto de NVIDIA de 120B, que lee imágenes, documentos y vídeo, con 1M de tokens de contexto y recetas de entrenamiento publicadas.

OvisOCR2

Alibaba (ATH-MaaS)·OCR y documentos·Pesos abiertos

4.1/5

El analizador de páginas de 0,8B de Alibaba, cerca de la cima de la tabla independiente de OmniDocBench, ya sustituido por OvisOCR3.

Parakeet TDT 0.6B v3

NVIDIA·Voz a texto·Pesos abiertos

4.1/5

El modelo de transcripción de NVIDIA de 600M de parámetros para 25 idiomas europeos: el más rápido de la clasificación de Artificial Analysis.

El modelo de voz Parakeet de NVIDIA comprimido en una descarga de 164MB con casi toda su precisión en inglés, para portátiles y móviles.

PP-OCRv6

Baidu (PaddlePaddle)·OCR y documentos·Pesos abiertos

4.1/5

La clásica canalización de OCR de Baidu que primero detecta y después lee, en tres tamaños de 1,5M a 34,5M de parámetros, con Apache 2.0.

pyannote speaker-diarization-community-1

pyannoteAI·Voz a texto·Pesos abiertos

4.1/5

La canalización abierta de diarización de hablantes que usan casi todos los sistemas de transcripción para saber quién habló y cuándo, ahora con menos confusiones entre hablantes.

Seedream 5.0 Pro

ByteDance·Generación de imágenes

4.1/5

El modelo de imagen insignia de ByteDance, pensado para trabajo de diseño editable: hasta 20 capas, ediciones por coordenadas y texto en 14 idiomas.

Xiaomi-OCR-0

Xiaomi·OCR y documentos·Pesos abiertos

4.1/5

El modelo de OCR abierto de 0,8B de Xiaomi que analiza páginas, responde preguntas sobre ellas y rellena campos JSON, con Apache 2.0.

El primer modelo de voz de Cohere: un transcriptor de 2B bajo Apache 2.0 para 14 idiomas que encabezó la Open ASR Leaderboard en su lanzamiento.

d3 (vLLM Semantic Router)

vLLM Semantic Router·Modelos de decisión·Pesos abiertos

4.0/5

El modelo de decisión abierto de 27B de vLLM Semantic Router, con entrada de vídeo y despliegue en vLLM estándar, ya superado por su propio d3-turbo.

Deepgram Nova-3

Deepgram·Voz a texto

4.0/5

El modelo de voz a texto de Deepgram: el segundo más rápido en la prueba de Artificial Analysis y barato por minuto, pero lejos de los líderes en precisión.

Falcon OCR

Technology Innovation Institute (TII)·OCR y documentos·Pesos abiertos

4.0/5

El modelo de OCR de 270M de parámetros de TII lee una página con un solo Transformer pequeño y se acerca sorprendentemente a modelos de tres a diez veces su tamaño.

El editor abierto de 8B de Bria encabeza la tabla de edición de pesos abiertos y se entrenó solo con imágenes con licencia, pero los pesos son no comerciales.

FLUX 3 Image Klein

Black Forest Labs·Generación de imágenes·Pesos abiertos

4.0/5

El modelo de imagen abierto de 5,6B de Black Forest Labs, con la salida 4K, la edición y los bounding boxes de FLUX 3, de uso comercial gratuito por debajo de 5M $ de ingresos.

gpt-oss-120b

OpenAI·Razonamiento·Pesos abiertos

4.0/5

El mayor modelo de razonamiento de pesos abiertos de OpenAI: Apache 2.0, 5.100 millones de parámetros activos y lo bastante pequeño para una sola GPU de 80 GB.

Los modelos de razonamiento de pesos abiertos de OpenAI que clasifican contenido según una política de seguridad que escribes tú, y muestran su razonamiento.

GPT-Rosalind

OpenAI·Razonamiento

4.0/5

El modelo de acceso restringido de OpenAI para ciencias de la vida, destinado a organizaciones de investigación aprobadas: descubrimiento de fármacos, genómica y trabajo con proteínas.

Granite 4.2

IBM·Razonamiento·Pesos abiertos

4.0/5

La familia de IBM bajo Apache 2.0 de modelos de razonamiento densos de 3B, 8B y 30B para agentes y programación, publicada en agosto de 2026.

El modelo juez abierto de 8B de IBM, que responde sí o no sobre daño, jailbreaks, alucinaciones en RAG, llamadas a herramientas erróneas y criterios propios.

El modelo de voz de IBM bajo Apache 2.0 para seis idiomas que transcribe, traduce y acepta una lista de 2.000 palabras clave.

Ideogram 4.0

Ideogram·Generación de imágenes·Pesos abiertos

4.0/5

El modelo de diseño de 9,3B de Ideogram, fuerte en texto dentro de la imagen; sus pesos descargables son no comerciales, así que el trabajo de pago pasa por la API.

LFM3

Liquid AI·Pequeños y locales·Pesos abiertos

4.0/5

La familia de seis modelos de 2B de Liquid AI para texto, visión, audio, omni y decisiones tipadas, todos derivados de una misma base de 1,7B.

Ling-3.1-flash

Ant Group (inclusionAI)·Razonamiento·Pesos abiertos

4.0/5

El modelo de pesos abiertos de 560B de Ant Group: rápido, con más de 200 tokens por segundo, licencia MIT y un contexto de 1M de tokens.

La síntesis de voz expresiva de Microsoft en 23 idiomas a 22 $ por millón de caracteres, con una versión Flash de 15 $ para agentes de voz.

Maya 2 Native

Maya Research·Texto a voz·Pesos abiertos

4.0/5

Una voz en streaming de 2,5B con Apache 2.0 para 11 idiomas indios e inglés, a la altura de Mistral y Eleven v3 en la clasificación de hindi de VoiceArena.

MiniCPM-V 4.7 (35B-A3B and 1B)

OpenBMB·Visión y multimodales·Pesos abiertos

4.0/5

Los modelos de visión Apache 2.0 de OpenBMB: un mixture-of-experts de 35B que lidera en documentos y uno de 1B para teléfonos.

MiniCPM5-2B

OpenBMB·Pequeños y locales·Pesos abiertos

4.0/5

El modelo de 2.500 millones de parámetros de OpenBMB para dispositivos: llamadas a herramientas y correcciones de código como un modelo de 4B, con sus checkpoints y datos de entrenamiento publicados.

MiniMax-M3.1-Flash

MiniMax·Uso general·Pesos abiertos

4.0/5

El MoE de pesos abiertos de MiniMax que siempre razona: el diseño de 428B de M3, una API a tarifa plana de $0,15/$0,60, contexto de 1M y un problema de alucinaciones.

Muse Spark 1.3

Meta·Uso general

4.0/5

El modelo cerrado de Meta para agentes y programación: contexto de 1M de tokens a $1,25/$4,25, ahora el nivel económico por debajo de Muse Wonder.

Muse Spark Open

Meta·Uso general·Pesos abiertos

4.0/5

El Muse Spark de pesos abiertos y 816B de Meta: un modelo de agentes con 1M de tokens que puedes alojar tú mismo, bajo una licencia con condiciones.

OmniVoice

k2-fsa (Next-gen Kaldi)·Texto a voz·Pesos abiertos

4.0/5

TTS abierto zero-shot con clonación y diseño de voz en más de 600 idiomas, del equipo de Next-gen Kaldi.

Qianfan-OCR

Baidu·OCR y documentos·Pesos abiertos

4.0/5

El modelo de 4,7B de Baidu que analiza páginas, extrae campos y lee gráficos en una sola pasada, a costa de tamaño y de precisión en las páginas.

Qwen-Image-2.1

Alibaba (Qwen)·Generación de imágenes·Pesos abiertos

4.0/5

El generador y editor de imágenes abierto de 7B de Alibaba encabeza la clasificación de pesos abiertos y genera transparencias, pero su licencia es solo para investigación.

Surya OCR 2.5

Datalab·OCR y documentos·Pesos abiertos

4.0/5

El analizador de documentos de 689M de parámetros de Datalab: maquetación, OCR, tablas y matemáticas en HTML, rápido en una GPU, gratis por debajo de $5M de ingresos.

Ternary Bonsai 2 9B

PrismML·Pequeños y locales·Pesos abiertos

4.0/5

La reconstrucción ternaria de Qwen3.5-9B de PrismML: un modelo de visión y lenguaje con llamadas a herramientas en un archivo de 2,42 GB que funciona en móviles y portátiles.

Modelo abierto de canciones con partitura editable: las mejores notas en WildSongBench y voces a 48 kHz, pero pesos no comerciales.

Codestral 25.08

Mistral AI·Programación

3.9/5

El modelo rápido de fill-in-the-middle de Mistral para autocompletar código, todavía predeterminado en herramientas de IDE; no está hecho para trabajo con agentes.

DeepSeek-V4.1-Flash-1017 GSQ-RCO Coder (GGUF)

ISTA-DASLab (Institute of Science and Technology Austria)·Programación·Pesos abiertos

3.9/5

DeepSeek-V4.1-Flash para código, con la mitad de sus expertos eliminados y el resto a unos 2 bits: un transformer de 72,1 GB.

El modelo propio de AI Dungeon para aventuras de texto, construido sobre Gemma 4 31B y publicado con licencia Apache 2.0.

FireRed-OCR

Xiaohongshu (FireRedTeam)·OCR y documentos·Pesos abiertos

3.9/5

El ajuste fino de 2B de Qwen3-VL de Xiaohongshu lidera los modelos de OCR de extremo a extremo en su propia tabla, y en esa misma tabla queda por detrás de las canalizaciones.

Flint

Recursive·Programación·Pesos abiertos

3.9/5

El primer modelo de Recursive: un modelo de programación de pesos abiertos con 40B parámetros, 2,5B activos, pensado para ir rápido en un portátil.

El clonador en streaming de 0,5B de Alibaba con licencia Apache: nueve idiomas, más de 18 dialectos chinos y unos 150 ms hasta el primer audio.

GPT Transcribe

OpenAI·Voz a texto

3.9/5

El sustituto de Whisper de OpenAI: más preciso y más barato que GPT-4o Transcribe, pero sin marcas de tiempo ni etiquetas de hablante.

Los embedders pequeños de IBM bajo Apache 2.0 para más de 200 idiomas y código, con contexto de 32K y datos de entrenamiento aprobados para uso empresarial.

El modelo de imagen de SpaceXSI para trabajo de diseño: buen texto y maquetación, ediciones por zonas y redimensionado inteligente, desde 0,04 $ por imagen pero limitado a 2K.

Un modelo de voz de 82M de parámetros bajo Apache 2.0, de mitad de tabla en calidad y la voz más barata de la clasificación de Artificial Analysis.

Kolibri 1

Aleph Alpha·Razonamiento·Pesos abiertos

3.9/5

El modelo de razonamiento alemán e inglés de Aleph Alpha bajo Apache 2.0: 78B de parámetros, 3,46B activos, entrenado en Alemania y Finlandia.

Luma Ray3.2

Luma AI·Vídeo

3.9/5

El modelo de vídeo de Luma para postproducción: 16 fotogramas clave, HDR nativo y EXR de 16 bits, vendido por clip a través de la API y la aplicación de Luma.

Mage-VL-Cowork

Microsoft·Visión y multimodales·Pesos abiertos

3.9/5

El agente de escritorio de 4B de Microsoft que elige, paso a paso, entre hacer clic en la pantalla y ejecutar código en un terminal.

Marengo 3.5

TwelveLabs·Embeddings y reordenación

3.9/5

El modelo de embeddings de TwelveLabs centrado en vídeo: vídeo, audio, imágenes, texto y páginas PDF en un mismo espacio de 512 dimensiones, con cobro por token.

Matrix-Game 4.0

Skywork AI (Kunlun Tech)·Juegos y modelos de mundo·Pesos abiertos

3.9/5

El modelo abierto de 5B de Skywork que repinta en tiempo real los fotogramas low-poly de un motor de juego, solo para sus tres escenas incluidas.

El modelo médico abierto de 4B de Google que lee volúmenes de TC y RM, preparaciones de patología e informes de laboratorio, como base para que los desarrolladores lo adapten.

El modelo de decisión de Microsoft sobre Qwen3.5-9B: respuestas sí/no, de opción y de puntuación con probabilidades, a 0,042 $ por millón de tokens de entrada.

MiniMax-M3

MiniMax·Uso general·Pesos abiertos

3.9/5

El MoE multimodal de pesos abiertos de MiniMax: contexto de 1M de tokens, atención dispersa, una API a $0,30/$1,20 y una licencia con condiciones.

El modelo de vídeo abierto de 8B de Ai2 que señala y sigue objetos entre fotogramas, con sus datos de entrenamiento también publicados.

MOSS-Transcribe-Diarize 0.9B

OpenMOSS (MOSI)·Voz a texto·Pesos abiertos

3.9/5

Un modelo abierto de 0,9B que transcribe, identifica a los hablantes y pone marcas de tiempo a hasta 90 minutos de audio en una sola pasada.

El modelo de 600M de NVIDIA para subtítulos en directo: 40 variantes de idioma, fragmentos desde 80 ms y miles de flujos en una H100.

Nemotron 3.5 Bolt (74B-A9B 24GB and E4B 4GB)

NVIDIA·Pequeños y locales·Pesos abiertos

3.9/5

La pareja de NVIDIA para agentes locales: un modelo de visión de 74B a 2 bits que lleva 24 GB en el nombre y un 4B basado en Gemma para asistentes de voz.

Ripple-65B Preview

Ricursive Intelligence·Programación·Pesos abiertos

3.9/5

Un modelo de código denso de 65B con pesos abiertos, de los fundadores de AlphaChip, con resultados agénticos autodeclarados a la par de rivales mucho mayores.

Sage-A1.5

Shanghai AI Laboratory (InternScience)·Razonamiento·Pesos abiertos

3.9/5

El modelo de agente de 35B de Shanghai AI Lab para tareas de investigación, con reparto en subagentes integrado y un modo de autocomprobación, bajo Apache 2.0.

Sakana Fugu (Fugu, Max and Ultra v2)

Sakana AI·Razonamiento

3.9/5

El orquestador de Sakana AI: una sola API que reparte cada tarea entre un conjunto oculto de modelos punteros y combina las respuestas.

La familia de audio de Stability con datos con licencia: Medium hace instrumentales de hasta 6:20, dos modelos pequeños van en móvil; sin letra.

zerank-2

ZeroEntropy (Notion)·Embeddings y reordenación·Pesos abiertos

3.9/5

El reranker abierto de 4B de ZeroEntropy, con puntuaciones calibradas y bajo Apache 2.0 desde que Notion compró la empresa y su API alojada dejó de funcionar.

Audio8 TTS

Edge0·Texto a voz·Pesos abiertos

3.8/5

Un modelo de clonación de voz de 0.6B parámetros en 23 idiomas bajo Apache 2.0, con tasas de error cercanas a las de modelos varias veces más grandes.

Beam

Reflection·Razonamiento·Pesos abiertos

3.8/5

El primer modelo abierto de Reflection: 501.000 millones de parámetros, 23.000 millones activos, Apache 2.0 y menos tokens de razonamiento por tarea que sus rivales.

Breeze TTS 2

BreezeBlue·Texto a voz·Pesos abiertos

3.8/5

Un modelo de clonación y diseño de voz de 3.500 millones de parámetros que está cerca de lo más alto de la clasificación de pesos abiertos, pero prohíbe el autoalojamiento comercial.

Command A+

Cohere·Uso general·Pesos abiertos

3.8/5

El modelo mixture-of-experts de 218B de Cohere para agentes y RAG multilingüe, con pesos Apache 2.0 que caben en dos H100.

El modelo local de rol por defecto de la comunidad: un ajuste fino de Mistral Small 3.2 que cabe en una tarjeta de 24 GB, juzgado sobre todo por sus seguidores.

La versión experimental por difusión de Gemma 4 26B de Google: más de 1.000 tokens por segundo en una H100, a un coste claro en calidad.

GPT-5.6-Cyber

OpenAI·Razonamiento

3.8/5

El modelo de ciberseguridad de OpenAI de agosto de 2026 para investigadores verificados de Daybreak Red: GPT-6 Cyber lo ha sustituido, pero sigue a la venta y es más barato.

gpt-oss-20b

OpenAI·Pequeños y locales·Pesos abiertos

3.8/5

El modelo de razonamiento de pesos abiertos de OpenAI bajo Apache 2.0, con 3.600 millones de parámetros activos y pensado para funcionar con 16 GB de memoria en un portátil o una GPU de consumo.

Grok 4.7

SpaceXSI (formerly xAI)·Uso general

3.8/5

El modelo Grok insignia de SpaceXSI para chat, código y agentes: $2/$6 por millón de tokens, un contexto de 500K y tiempos de razonamiento muy largos.

El modelo de voz conversacional de 4B de Boson AI para más de 100 idiomas, con etiquetas de emoción en línea y clonación, bajo licencia no comercial.

El clonador de voz de Bilibili con mandos separados para la emoción y el timbre, en cinco idiomas, con una licencia gratuita por debajo de 100 millones de usuarios.

Un modelo de voz de 3B para 22 idiomas indios y el inglés, con voces de artistas que dieron su consentimiento, sin clonación y con una API a ₹6.

Infinity-Parser2-Flash

INF Technology (infly)·OCR y documentos·Pesos abiertos

3.8/5

El analizador de 2,2B de INF, fuerte en olmOCR-Bench y en gráficos, pero lento con una sola petición y más flojo en OmniDocBench que rivales más pequeños.

El modelo de 975B con licencia Apache de Thinking Machines Lab que oye y ve: buena base para ajustar, por detrás de Kimi K2.6 en visión.

Jev

TypeSafe AI·Modelos de decisión

3.8/5

El modelo de decisiones alojado de TypeSafe AI: elecciones tipadas, puntuaciones y probabilidades de sí/no por $0,042 por millón de tokens de entrada, con la salida gratis.

El modelo de imagen abierto de 12,9B de Krea: imágenes 2K en 8 pasos con Turbo, una base Raw entrenable y una licencia que termina en 1 M$ de ingresos.

LFM2.5-24B-A2B

Liquid AI·Pequeños y locales·Pesos abiertos

3.8/5

El modelo de razonamiento de 24B de Liquid AI con 2,45B de parámetros activos, entrenado dentro de entornos de agentes para llamar a herramientas en un portátil.

Ling-3.0-flash-Sante

Ant Group (inclusionAI)·Uso general·Pesos abiertos

3.8/5

El modelo médico de 124B de Ant Group con licencia MIT, 5,1B activos: cerca de la frontera en sus propios benchmarks de salud, por una fracción del precio.

El modelo de 3B de NVIDIA que dibuja cajas y puntos alrededor de lo que nombres, rápido, pero con licencia solo para investigación sin ánimo de lucro.

El modelo de agentes y código de Meituan, con 1,6 billones de parámetros, licencia MIT y entrenado con chips chinos, a 0,30/1,20 $ por millón de tokens.

LTX-2.5

Lightricks (LTX)·Vídeo·Pesos abiertos

3.8/5

El modelo de vídeo abierto de 22B de Lightricks con sonido sincronizado y escenas de varios planos, hasta 4K en su API desde $0,09 por segundo.

El modelo de JetBrains para agentes de programación, de 12B con 2,5B activos y licencia Apache, hecho para ejecutar subagentes rápidos en tu propia GPU.

El modelo de diseño de 6B de Ant Group con licencia MIT lidera los pesos abiertos en la tabla de UI de Artificial Analysis, pero necesita una GPU de 80 GB.

Mistral Medium 3.5

Mistral AI·Uso general·Pesos abiertos

3.8/5

El modelo denso de pesos abiertos de 128B de Mistral para programación y agentes cabe en cuatro GPU, pero su licencia deja fuera a las empresas que facturan más de 20M de dólares al mes.

MOSS-Image

OpenMOSS (MOSI)·Generación de imágenes·Pesos abiertos

3.8/5

Un modelo de imagen abierto de 5B con Apache 2.0 que coloca textos y objetos donde le indica una maquetación en JSON, y representa bien textos largos.

mxbai-rerank v2

Mixedbread·Embeddings y reordenación·Pesos abiertos

3.8/5

Los rerankers Apache 2.0 de Mixedbread en tamaños de 0,5B y 1,5B, con más de 100 idiomas y un contexto de 8K tokens, pensados para alojarse por cuenta propia.

Nanbeige4.3-33B

BOSS Zhipin (Nanbeige LLM Lab)·Programación·Pesos abiertos

3.8/5

Un modelo abierto denso de 33B del laboratorio de BOSS Zhipin que dice liderar la clase de 30B en programación con agentes, bajo Apache 2.0.

Nemotron ColEmbed V2

NVIDIA·Embeddings y reordenación·Pesos abiertos

3.8/5

Los recuperadores de interacción tardía de NVIDIA que buscan en imágenes de páginas sin OCR: precisos, voraces en almacenamiento y no comerciales en todos los tamaños.

Nemotron OCR v2

NVIDIA·OCR y documentos·Pesos abiertos

3.8/5

El OCR detector-reconocedor de 84M de parámetros de NVIDIA para la ingesta de RAG: unas 35 páginas por segundo en una A100, con licencia para uso comercial.

El agente abierto de NVIDIA que juega a videojuegos: mira la pantalla, pulsa botones del mando y aprendió de 40.000 horas de partidas ajenas.

Pika H3 Flex

Pika (Mellis, Inc.)·Vídeo·Pesos abiertos

3.8/5

El post-entrenamiento de seis pasos de MiniMax H3 hecho por Pika: vídeo con sonido estéreo a la mitad del precio de la API de MiniMax, con la licencia territorial de MiniMax.

Runway Gen-4.5

Runway·Vídeo

3.8/5

El modelo de vídeo propio de Runway: ganador de la clasificación en 2025, ya superado, y vendido dentro de una suite que también revende a sus rivales.

VibeVoice-ASR

Microsoft·Voz a texto·Pesos abiertos

3.8/5

El transcriptor de Microsoft con licencia MIT que procesa una hora de audio de una sola pasada e indica quién habló y cuándo.

Un modelo de mundo de 1,2B que genera un mundo jugable en primera persona en un PC gaming, hasta 720p y 56 fps en una RTX 5090.

Whistle

Cactus Compute·Voz a texto·Pesos abiertos

3.8/5

Un modelo de voz a texto de 16,9 MB en siete idiomas que funciona en una CPU sin dependencias; una adaptación de la comunidad lo mete en un chip de 10 $.

Un modelo de visión y lenguaje de 9B del equipo chino Zidong Taichu que cede algo de OCR a cambio de razonamiento espacial y uso de herramientas.

Chatterbox

Resemble AI·Texto a voz·Pesos abiertos

3.7/5

Los modelos de clonación de voz con licencia MIT de Resemble AI, desde un modelo de 110M para CPU hasta 23 idiomas, con marca de agua en cada clip.

Cohere Rerank 4

Cohere·Embeddings y reordenación

3.7/5

El reranker de Cohere de diciembre de 2025, en versiones Pro y Fast con un contexto de 32K tokens, sustituido por Rerank 5 el 21 de octubre de 2026.

DecisionNode

Bynn Intelligence·Modelos de decisión

3.7/5

El modelo de decisión alojado de Bynn Intelligence, que devuelve seis tipos de respuesta con su confianza, más dos pequeños modelos Edge de pesos abiertos para dispositivos.

DeepSeek-OCR 2

DeepSeek·OCR y documentos·Pesos abiertos

3.7/5

El lector de documentos abierto de 3B de DeepSeek reordena una página antes de leerla, pero PaddleOCR-VL y Unlimited-OCR ya lo superan.

ERNIE 5.1

Baidu·Uso general

3.7/5

El modelo insignia cerrado de Baidu, destilado de ERNIE 5.0 por una fracción del coste: fuerte en búsqueda y matemáticas, difícil de comprar fuera de China.

FrogNano-4B-2609

Microsoft·Programación·Pesos abiertos

3.7/5

El agente de programación de investigación de 4B de Microsoft, entrenado solo con aprendizaje por refuerzo sobre tareas sintéticas: 61,5% en SWE-bench Verified, según sus propios datos.

Gemma 4 31B con solo su capa de salida reentrenada para ficción: menos clichés y el mismo modelo debajo.

La transcripción en streaming de OpenAI a 0,017 $ el minuto: retardo ajustable y pistas de palabras clave, pero sin etiquetas de hablante ni marcas de tiempo.

Un fine-tune abierto de Gemma 4 de 12B que reescribe borradores en inglés y chino hechos con IA para que parezcan humanos, sin conexión y conservando los datos.

Hy-Memory-30B-A3B

Tencent (Hy, formerly Hunyuan)·Uso general·Pesos abiertos

3.7/5

El modelo de Tencent con 3B activos que hace una sola cosa: decidir qué debe conservar la memoria a largo plazo de un agente, en lugar de un LLM de frontera.

El modelo de mundo de vídeo en tiempo real de Tencent que se maneja con teclado y ratón, con todo el código de entrenamiento; necesita GPU de centro de datos.

Iris-3B

Speridlabs·Generación de imágenes·Pesos abiertos

3.7/5

El modelo de texto a imagen de 3B de Speridlabs que pinta píxeles directamente, sin VAE, con un Turbo de 4 pasos y ajustes finos para profundidad y escalado.

Jina OCR v1

Jina AI (Elastic)·OCR y documentos·Pesos abiertos

3.7/5

Un ajuste fino de DeepSeek-OCR de Jina AI, ahora parte de Elastic, optimizado para procesar muchas páginas por segundo en GPU baratas; los pesos no son comerciales.

La familia de vídeo con sonido de Sber con licencia MIT: un Lite de 3B para tarjetas de 16 GB y un Pro de 29B, ambos limitados a clips de 5 segundos.

El modelo de vídeo con sonido de 114B de Sand AI, con licencia Apache, es 16.º en la arena, si tienes ocho GPU Hopper para ejecutarlo.

El primer modelo de razonamiento propio de Microsoft: una mezcla de expertos de 1T de parámetros a 2 $/8 $ por millón de tokens, un escalón por debajo de la frontera.

Mistral Small 4

Mistral AI·Uso general·Pesos abiertos

3.7/5

El mixture-of-experts Apache 2.0 de Mistral: 119B parámetros, entrada de imagen, razonamiento activable y $0,15/$0,60 por millón de tokens.

ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)

ScaleDown·Modelos de decisión

3.7/5

Los modelos alojados de ScaleDown para clasificar, extraer y resumir, a 0,05 $ por millón de tokens de entrada, con un endpoint Decisions con la forma de Jev.

El modelo abierto de 250B de Upstage para trabajo de oficina en coreano, inglés y japonés, con contexto de 1M de tokens y sin dónde alquilarlo por token.

Spark-X2.6-4B

iFlytek (SparkLLM)·Pequeños y locales·Pesos abiertos

3.7/5

El modelo de agente de 4B para dispositivos de iFlytek, con Apache 2.0, que afirma superar a Qwen3.5-9B en herramientas y código, con un contexto de 1M de tokens.

text-embedding-3-large

OpenAI·Embeddings y reordenación

3.7/5

El mejor modelo de embeddings de OpenAI, sin cambios desde enero de 2024: compatible con todo y barato, pero ya no lidera en recuperación.

El modelo de razonamiento de 3B de Weibo con licencia MIT: 94,3 en AIME 2026 y el 96,1% de los problemas recientes de LeetCode, y poco más.

Whisper large-v3-turbo

OpenAI·Voz a texto·Pesos abiertos

3.7/5

El modelo de reconocimiento de voz con pesos abiertos de OpenAI, que sigue siendo la opción por defecto para transcribir en servidores propios.

Z-Image-Turbo

Alibaba (Tongyi-MAI)·Generación de imágenes·Pesos abiertos

3.7/5

Un modelo de imagen de 6B con licencia Apache del laboratorio Tongyi de Alibaba que funciona en ocho pasos en una GPU de consumo de 16 GB.

Aion 3.5

Aion Labs (Deep Forge)·Rol y personajes

3.6/5

Un sistema de rol y narrativa en el que varios modelos basados en GLM escriben juntos cada respuesta; aún sin benchmarks públicos.

El modelo de ByteDance Seed bajo Apache 2.0 que entiende, dibuja y edita imágenes con un mismo conjunto de pesos.

Clef

Cloudflare·Modelos de decisión·Pesos abiertos

3.6/5

El modelo de decisión abierto de 27B de Cloudflare, que puntúa opciones tipadas sobre texto e imágenes, servido en Workers AI tras una API compatible con Jev.

Clover-35B-A3B-Preview

DiffuSpace·Uso general·Pesos abiertos

3.6/5

Un modelo de lenguaje de difusión convertido a partir de Qwen3.6-35B-A3B que escribe bloques de 32 tokens en paralelo, abierto bajo Apache 2.0.

dots.ocr

Xiaohongshu (rednote hi lab)·OCR y documentos·Pesos abiertos

3.6/5

El analizador multilingüe de maquetación de Xiaohongshu de 2025 sigue teniendo muchas descargas, pero sus propios creadores y tres rivales más nuevos lo han superado.

El modelo de imagen de 8B de Baidu con licencia Apache, con un Turbo de 8 pasos, puntúa bien en carteles y texto largo pero queda bajo en la arena.

Falcon-H1R-7B

Technology Innovation Institute (TII)·Razonamiento·Pesos abiertos

3.6/5

El modelo de razonamiento de 7B de TII para matemáticas y programación, con un diseño híbrido Transformer-Mamba, un contexto de 256K y una licencia con atribución.

El modelo de mundos en tiempo real de DeepMind, con sonido propio y control por texto en directo; impresionante y aún cerrado para casi todos.

GLiNER2.5-Decide

Fastino·Modelos de decisión·Pesos abiertos

3.6/5

El clasificador zero-shot de Fastino con menos de mil millones de parámetros: pasa cualquier etiqueta en la llamada y recibe una de vuelta en una CPU, sin prompt ni generación.

El modelo de vídeo con sonido de SpaceXSI: hasta 15 segundos y hasta 1080p, desde $0,08 el segundo, de un fabricante investigado por deepfakes.

Limite 1B - Violetto

Paradigma·Pequeños y locales·Pesos abiertos

3.6/5

Un modelo de matemáticas de 1B de una startup romana que iguala a modelos de 30B en problemas de competición y malinterpreta casi todo lo demás.

El modelo de mundo de 14B de Ant Group que promete partidas de una hora con agentes que dirigen la escena, con licencia no comercial.

El modelo de código pequeño de Microsoft para GitHub Copilot: barato a 0,20/1,20 $ por millón de tokens, pero por detrás de DeepSeek en precio y Terminal-Bench.

Needle 3

Cactus Compute·Pequeños y locales·Pesos abiertos

3.6/5

Un modelo de 29M a 121M que convierte peticiones en llamadas a funciones en móviles, robots y hubs; fuerte con órdenes para el móvil, más flojo en lo demás.

Los modelos de voz en el dispositivo de Neuphonic, que clonan una voz con 3 segundos y ponen marca de agua a cada clip, de una Raspberry Pi a un portátil.

Ornith-1.5-122B

Ornith·Programación·Pesos abiertos

3.6/5

Un modelo de pesos abiertos de 122B para razonamiento y programación, entrenado con un bucle de automejora que escribe sus propias tareas, bajo licencia MIT.

Qwen-Image-Edit-2511

Alibaba (Qwen)·Edición de imágenes·Pesos abiertos

3.6/5

El editor de imágenes de Alibaba con licencia Apache: de mitad de tabla en calidad, pero con la licencia más limpia entre los editores abiertos que puedes poner en producción.

Qwen3.5-397B-A17B

Alibaba (Qwen)·Uso general·Pesos abiertos

3.6/5

El primer modelo abierto Qwen3.5 de Alibaba: un MoE de 397B con 17B activos bajo Apache 2.0, ya superado por Qwen3.8 y por su propio gemelo alojado.

Sakana Namazu

Sakana AI·Uso general

3.6/5

El modelo de Sakana AI ajustado para japonés, basado en Kimi K2.6, con búsqueda web y ejecución de código integradas tras una API al estilo de OpenAI.

El mayor modelo abierto entrenado desde cero en la India, con licencia Apache y ajustado para 22 idiomas indios, barato en la API de Sarvam pero flojo en código.

Underdog Saluki 27B 1.0

Conway Research (Underdog)·Pequeños y locales·Pesos abiertos

3.6/5

Qwen3.8-27B comprimido en un archivo de 2 bits de 7,89 GB que mantiene intactas las llamadas a herramientas, bajo Apache 2.0.

Xing4.0-29B-A4B

China Telecom (XingChen)·Uso general·Pesos abiertos

3.6/5

El modelo de agentes de China Telecom bajo Apache 2.0, destacable menos por sus puntuaciones que por haberse entrenado íntegramente en chips Huawei Ascend.

El modelo de 2B de Microsoft Research entrenado desde cero con pesos de -1, 0 o +1: 0,4 GB de memoria y rápido en una CPU corriente.

El editor y generador abierto de 32B de Black Forest Labs: la vara con la que se mide a los demás modelos de imagen, ahora superado por Klein, de la propia BFL.

HunyuanImage 3.0 Instruct

Tencent (Hunyuan)·Edición de imágenes·Pesos abiertos

3.5/5

El modelo abierto de imagen de 80B de Tencent con un paso de razonamiento: tercero entre los editores abiertos, pero necesita un nodo de ocho GPU y excluye Europa.

El modelo de vídeo de 8,3B de Tencent funciona en una tarjeta de 14 GB y escala a 1080p, pero sus clips son mudos y su licencia excluye Europa.

El modelo de vídeo de 13,6B de Meituan con licencia MIT alarga clips hasta minutos de metraje a 720p, pero es mudo y va una generación por detrás.

Qwen3-TTS

Alibaba (Qwen)·Texto a voz·Pesos abiertos

3.5/5

La familia de voz de Alibaba con licencia Apache: diseño de voz a partir de una frase, clonación a partir de tres segundos y ninguna salvaguarda contra el mal uso.

Un ajuste fino de rol de 12B sobre Mistral Nemo que funciona en un portátil; popular, y sin más pruebas que las de sus usuarios.

SenseNova-Loop-9B-Preview

SenseTime (SenseNova)·Visión y multimodales·Pesos abiertos

3.5/5

El modelo de imagen y texto de 9B de SenseTime que ejecuta dos veces sus 24 capas centrales, orientado a agentes de oficina, con Apache 2.0.

SmolLM3-3B

Hugging Face·Pequeños y locales·Pesos abiertos

3.5/5

El modelo de 3B totalmente abierto de Hugging Face, con razonamiento conmutable, un contexto de 128K y toda su receta de entrenamiento publicada.

all-MiniLM-L6-v2

Sentence Transformers (Hugging Face)·Embeddings y reordenación·Pesos abiertos

3.4/5

El modelo de embeddings por defecto de mil tutoriales, que ahora conviene reservar para pruebas, prototipos y textos breves en inglés.

Decision-2.0-Nox-4B (vLLM Semantic Router)

vLLM Semantic Router·Modelos de decisión·Pesos abiertos

3.4/5

El modelo de decisión de texto de 4B de vLLM Semantic Router, con licencia Apache: bien calibrado, pero ya superado por el propio d3-mini del equipo.

Devstral Small 2

Mistral AI·Programación·Pesos abiertos

3.4/5

El modelo de programación de 24B de Mistral bajo Apache 2.0, que funciona en una RTX 4090 o en un Mac de 32GB, con contexto de 256K y entrada de imágenes.

El modelo de 750B de LG AI Research con licencia Apache, fuerte en coreano, documentos largos y seguridad, más flojo en código y razonamiento difícil.

KittenTTS 2

KittenML (Stellon Labs)·Texto a voz·Pesos abiertos

3.4/5

Un modelo de voz ternario de 1,7B con clonación de voz que se descarga en menos de 1 GB y funciona sin GPU, bajo una licencia comunitaria estricta.

Modelo de decisiones Apache 2.0 basado en ModernBERT que responde preguntas tipadas en decenas de milisegundos, pero necesita ajuste fino para acertar.

Phi-4-Reasoning-Vision-15B

Microsoft·Razonamiento·Pesos abiertos

3.4/5

El modelo Phi pequeño más reciente de Microsoft: 15B, con licencia MIT, lee imágenes y permite activar o desactivar el razonamiento paso a paso.

El modelo de razonamiento abierto de 398B de Arcee, hecho en EE. UU. para agentes, fuerte en pruebas de herramientas y ahora solo con pesos tras quedarse sin endpoints.

El modelo de imagen de 16B de Z.ai con licencia MIT lidera su propia comparativa en texto dentro de la imagen, pero tarda cerca de un minuto por imagen en una H100.

Phi-4-multimodal

Microsoft·Visión y multimodales·Pesos abiertos

3.3/5

El modelo de 5,6B de Microsoft con licencia MIT que acepta voz, imágenes y texto en una sola red, ya con 20 meses.

El modelo base abierto de voz conversacional de Sesame: inglés, expresión según el contexto, licencia Apache y todavía su única versión abierta.

Veo 3.1

Google DeepMind·Vídeo

3.3/5

El modelo de vídeo de Google retirado de la API, que se sigue vendiendo como GA en su nube empresarial para equipos que necesitan ampliación de clips y control del fotograma final.

Devstral 2

Mistral AI·Programación·Pesos abiertos

3.1/5

El modelo abierto de programación de 123B de Mistral, de diciembre de 2025, ya retirado de su API y sustituido por Mistral Medium 3.5.

d1-omni-600M

Liquid AI·Modelos de decisión·Pesos abiertos

3.0/5

El modelo de decisión experimental de 587M de Liquid AI para texto, imágenes y clips de voz cortos, superado tres semanas después por d1-Omni-2B.