№2
Claude Opus 4.7
Anthropic4 月 16 日发布，长上下文与代码审查最强。
- SWE-Bench Pro: 64.3%
- MCP-Atlas: 79.1%
- 多步推理最稳定
- 代码逻辑审查最细致
- 100 万 token 上下文
86
VOL. 2026ISSUE 04Actualizado el 2026-04-29paibao.ai / leaderboards
Leaderboard Mensual de LLMs
Ocho categorías. Veinticuatro modelos líderes. Actualizado mensualmente. Con citas amigables para IA.
8
categories
24
models
6
sources
Archive · 02 issues
LlmLeaderboard.archiveHeading
LlmLeaderboard.archiveSubhead
01
Text Generation & Reasoning
Generación de Texto y Razonamiento
2026 entra en la era de los tres titanes — sin un modelo dominante único, la mejor elección depende de la tarea.
Previously: GPT-5.4
Líder actual
GPT-5.5
OpenAI
4 月 23 日发布，首个全量重训基础模型。
Puntuación
89
- 01Terminal-Bench 2.0: 82.7%
- 02OSWorld-Verified: 78.7%
- 03GDPval: 84.9%
- 04ARC-AGI-2: 85.0%
- 05100 万 token 上下文
Runners-up
№3
Gemini 3.1 Pro
Google预览中，数学与算法竞赛最强。
- LiveCodeBench Elo: 2887
- 100 万 token 上下文
- 价格最低（$2/$12）
- 视频理解领先
- 性价比最高
~85
Tags1M Token 上下文Agentic 工作流多模态理解
02
Text-to-Image
Texto a Imagen
GPT Image-2 toma el trono con 99,2% de precisión en renderizado de texto, mientras Nano Banana 2 mantiene ventaja en generación en tiempo real.
Previously: Nano Banana 2
Líder actual
GPT Image-2
OpenAI
文本渲染准确率最高。
Puntuación
99.2%
- 01文本渲染准确率 99.2%
- 02支持中文 / 阿拉伯语
- 03空间逻辑与解剖正确性
- 04角色一致性
- 05Thinking Mode 推理引擎
Runners-up
№2
Nano Banana 2
Google极速 4K 生成，实时联网搜索。
- Flash 架构极速生成
- 4K 图像 4-15 秒
- 实时联网搜索集成
- 速度最快
- 与 Gemini 生态深度集成
4-15s
№3
Flux Pro
Black Forest Labs开源生态最强。
- 开源可商用
- 社区生态丰富
- 风格多样性
- 本地部署能力
Tags4K 生成多语言文本角色一致性实时生成
03
Text-to-Video
Texto a Vídeo
Sora 2 ha salido de escena; Google Veo 3.1 ahora lidera en capacidad general, mientras Seedance 2.0 y Kling 3.0 lideran en nichos específicos.
Previously: Sora 2
Líder actual
Veo 3.1
Google
原生音频 + 多镜头，综合实力最强。
- 01原生音频生成
- 02多镜头叙事
- 03物理模拟优秀
- 04与 YouTube 生态集成
Runners-up
№2
Seedance 2.0
ByteDance多镜头故事板能力最强。
- 多镜头故事板
- 镜头语言专业
- 国产模型代表
- 抖音生态集成
№3
Kling 3.0 Omni
Kuaishou电影级画质 + 对口型最强。
- 电影级画质
- 对口型最精准
- 快手生态集成
- 中文场景优化
Tags原生音频多镜头叙事电影级画质对口型
04
Code Generation
Generación de Código
GPT-5.5 recupera el liderazgo en codificación agente-terminal; Claude Opus 4.7 aún domina refactorización multi-archivo y orquestación de herramientas.
Previously: Claude Opus 4.6
Líder actual
GPT-5.5
OpenAI
Terminal-Bench 2.0 第一，Agentic 编码最强。
Puntuación
82.7%
- 01Terminal-Bench 2.0: 82.7%
- 02Expert-SWE: 73.1%
- 03自主编码判断力
- 04相同任务 token 更少
Runners-up
№2
Claude Opus 4.7
AnthropicSWE-Bench Pro 第一，多文件重构最强。
- SWE-Bench Pro: 64.3%
- MCP-Atlas: 79.1%
- 多文件逻辑审查
- 代码漏洞捕获
64.3%
№3
Gemini 3.1 Pro
GoogleLiveCodeBench 第一，算法竞赛最强。
- LiveCodeBench Elo: 2887
- 1M 上下文全仓库分析
- 价格最低
- 算法竞赛最优
2887 Elo
TagsAgentic 编码多文件重构工具编排算法竞赛
05
Text-to-Speech
Texto a Voz
ElevenLabs sigue siendo la referencia de la industria en realismo de voz y clonación; Hume AI lidera en voz emocional.
Previously: ElevenLabs v2
Líder actual
ElevenLabs v3
ElevenLabs
行业标杆级语音真实感。
Puntuación
9.2/10
- 01真实感评分 9.2/10
- 0275ms 超低延迟
- 0329+ 语言支持
- 04Professional Clone 质量
- 05企业级 API
Runners-up
№2
Hume AI Octave
Hume AI情感 AI 语音第一。
- 情感识别 9.3/10
- 情感回应能力
- 共情交互
- 情绪感知精准
9.3/10
№3
GPT-4o Voice
OpenAI实时对话体验最佳。
- 低延迟实时对话
- 自然语音输出
- 多语言实时翻译
- 与 ChatGPT 深度集成
Tags超低延迟情感语音语音克隆多语言
06
AI Music Generation
Generación de Música con IA
Suno v5.5 sigue siendo la plataforma más usada; las herramientas se diferencian en velocidad, post-producción y despliegue empresarial.
Previously: Suno v5
Líder actual
Suno v5.5
Suno
使用最广泛的 AI 音乐平台。
- 01最广泛用户基础
- 02Studio 多轨编辑
- 03MIDI 导出
- 04最快出成品歌曲
Runners-up
№2
Udio v1.5
Udio后期编辑与分轨控制最强。
- 分轨下载
- 混音控制
- 调性调整
- 专业后期编辑
№3
Lyria 3 Pro
Google DeepMind企业 / API 部署最佳。
- Vertex AI 输出
- 结构化生成
- 版权清晰
- 企业级部署
Tags多轨编辑MIDI 导出分轨控制版权安全
07
Vision Understanding
Comprensión Visual
GPT-4o Vision mantiene el liderazgo de uso general; Gemini Vision lidera en comprensión de vídeo y análisis de documentos largos.
Líder actual
GPT-4o Vision
OpenAI
通用视觉理解最强。
- 01UI 界面解析
- 02图表理解
- 03实时视觉对话
- 04多模态融合
Runners-up
№2
Gemini Vision
Google视频理解与长文档第一。
- 百万 token 长文档
- 视频理解领先
- 多帧分析
- 与搜索集成
№3
Qwen-VL
Alibaba国产视觉模型第一。
- 中文场景优化
- 开源可商用
- 多模态推理
- 本地部署
Tags实时视觉长文档解析UI 解析多语言
08
Open Source
Código Abierto
Los modelos open-source están alcanzando a los closed-source en varios benchmarks. Llama 4, DeepSeek V4 y Qwen3 forman la primera línea.
Previously: Llama 3
Líder actual
Llama 4
Meta
开源生态最完善。
- 01多模态支持
- 02社区生态最大
- 03可商用许可
- 04多尺寸选择
Runners-up
№2
DeepSeek V4
DeepSeek推理与代码能力全面进化的开源旗舰。
- 数学与推理能力显著提升
- 代码生成业界最强
- MoE 架构高效
- API 价格极低
№3
Qwen3
Alibaba中文开源模型第一。
- 中文理解最强
- 多模态支持
- Agent 能力
- 全尺寸覆盖
Tags多模态可商用本地部署低成本
Editorial · 06 observations
Qué cambió este mes
What changed across the AI model landscape this month — distilled from the data above.
01
Del dominio único a la competición de especialistas
En 2026 la IA ha cambiado de un modelo único de propósito general al paradigma 'elige el modelo para la tarea'. Cada nicho tiene su especialista; el enrutamiento multi-modelo es ahora la arquitectura estándar empresarial.
02
GPT-5.5 y Claude Opus 4.7 — la frontera dual
Lanzados el 16 y 23 de abril de 2026 respectivamente, los dos definen ahora el estado del arte. GPT-5.5 gana en codificación agente y uso de terminal; Claude gana en revisión de código y refactorización.
03
El contexto de 1M se convierte en el nuevo estándar
De 128K a 1M tokens — Gemini 3.1 Pro, Claude Opus 4.7 y GPT-5.5 ahora soportan contexto de 1M+, haciendo posible el análisis de repositorio completo.
04
Open source alcanza rápidamente
Llama 4, DeepSeek V4 y Qwen3 ahora igualan a closed-source en varios benchmarks por 1/10 del precio o menos.
05
Los modelos chinos domésticos rompen globalmente
Seedance 2.0 (vídeo), Qwen3 (open source), Kling 3.0 (vídeo) y Qwen-VL (visión) han entrado en el top tres global en sus respectivos dominios.
06
Los precios de API siguen cayendo
Los precios de LLM API han caído aproximadamente 80% en 2025-2026. Gemini 2.0 Flash a $0,10 / 1M tokens ha reducido drásticamente la barrera para aplicaciones de IA.
Fuentes
- [01]Artificial Analysisbenchmark
- [02]LMArena Leaderboardcommunity leaderboard
- [03]Hugging Face Open LLM Leaderboardcommunity leaderboard
- [04]OpenAI Changelogofficial changelog
- [05]Anthropic Newsofficial changelog
- [06]Google DeepMind Blogofficial changelog