Por curiosidad – y tras algunas pistas de tu parte – 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 cambiado bastante el ranking.)
Pero echa un vistazo a dos patrones en los resultados en particular:
→ 1. Las desviaciones estándar que surgen a pesar de preguntas exactamente idénticas.
→ 2. La tendencia de progresión de los modelos a lo largo del tiempo – ya se puede apreciar, aunque el período de observación sigue siendo comparativamente corto.
¿Quién será el primero en alcanzar el 99%?
