Clasificación de modelos avanzados de IA según cinco pilares ponderados para las prioridades de las ONG: capacidad, alineación y honestidad, coste y eficiencia, resistencia al sesgo y al daño, y seguridad.
Este ranking agrega benchmarks públicos e independientes de fuentes fiables. No se basa en pruebas realizadas por nuestra organización.
La puntuación global predeterminada se calcula con estas ponderaciones: capacidad 40%, alineación y honestidad 15%, coste y eficiencia 15%, resistencia al sesgo y al daño 15%, y seguridad 15%.
Si tu organización tiene otras prioridades (por ejemplo, dar más peso al coste, la alineación, el sesgo o la seguridad), usa los botones «Cambiar prioridades» para volver a ordenar los modelos o compara directamente las columnas de cada pilar.
Los modelos más caros suelen requerir más energía y recursos, por lo que un coste mayor también suele implicar un mayor impacto ambiental.
Pulsa el nombre de un modelo para ver el detalle de sus puntuaciones. Pulsa el encabezado de una columna para ordenar.
| # | Modelo | Proveedor | Licencia | Puntuación global | Capacidad | Coste | Alineación | Sesgo y daño | Seguridad |
|---|
Cada métrica original se normaliza en una escala de 0 a 100 mediante min-max dentro del conjunto de modelos analizado (el coste por tarea se invierte: cuanto menor, mejor). La puntuación de cada pilar es la media de sus métricas normalizadas. La puntuación global es la media ponderada de los cinco pilares:
Estas ponderaciones son una hipótesis documentada, derivada de prioridades del sector social (presión sobre los costes, confianza de donantes y personas atendidas, y preocupación por el sesgo), y están abiertas a debate. Como se publica por separado la puntuación de cada pilar, cualquier organización puede reordenar la tabla con sus propias ponderaciones usando el archivo de datos abierto. Los botones «Cambiar prioridades» recalculan la puntuación global al instante en tu navegador (el pilar seleccionado recibe un 40% y los demás un 15%; capacidad aparece seleccionada inicialmente, en consonancia con la ponderación predeterminada).
Cuando una fuente todavía no ha evaluado un modelo recién publicado, la puntuación se hereda del modelo anterior más cercano del mismo proveedor (por ejemplo, GPT-6.1 Sol hereda las valoraciones de Enkrypt de GPT-6 Sol). Cada puntuación heredada lleva la marca ⚠ y una nota que identifica el modelo de origen. Los modelos con datos proxy pueden superar en el ranking a modelos medidos por completo.
Cuando no hay datos ni un modelo predecesor para un pilar completo (por ejemplo, Artificial Analysis no ha evaluado HY4 Preview), se estima ese pilar con la mediana del conjunto para mantener la comparabilidad de la puntuación compuesta. Un pilar sin datos no suma ni resta. Los pilares estimados se marcan con ≈ y se indican para cada modelo; los modelos con pilares estimados llevan la etiqueta parcial, por lo que conviene interpretar su posición con cautela.
glm-5.3-flash de Enkrypt frente a la variante GLM 5.3 Max
evaluada en otra fuente). Las conciliamos manualmente y lo indicamos en el archivo de datos.Este índice resume mediciones de terceros para ayudar a tomar decisiones. No es una certificación de seguridad ni asesoramiento jurídico, y tampoco respalda a ningún proveedor.