Por curiosidad – y después de algunas sugerencias de ustedes – he incluido a KIMI y GLM (z.ai) en el ranking. Ambos están enfocados en programación.
Me interesaba saber: ¿Cómo se desempeñan en impuestos, medicina, derecho y economía? (Claude, ChatGPT, Gemini y Grok ahora también están incluidos en varias versiones de modelos y han movido bastante el ranking.)
Pero fíjense especialmente en dos patrones en los resultados:
→ 1. Las desviaciones estándar que aparecen a pesar de preguntas exactamente idénticas.
→ 2. La tendencia de progresión de los modelos a lo largo del tiempo – ya se empieza a notar, aunque el período de observación sigue siendo relativamente corto.
¿Quién será el primero en alcanzar el 99%?
