GPT-5.5 Lidera el Intelligence Index: El Ranking de Modelos IA en Junio 2026

La inteligencia se ha vuelto específica por tarea

El consenso entre las fuentes de benchmarking en junio de 2026 es rotundo: no existe un único mejor modelo. La inteligencia se ha fragmentado por tarea. El líder en razonamiento general no es el mejor en matemáticas, y el campeón de código no es el más barato. Para los profesionales, esto convierte la elección de modelo en un ejercicio de precisión, no de marca.

A continuación, el mapa de líderes por categoría según los principales agregadores de benchmarks.

GPT-5.5 lidera el Intelligence Index

Según Artificial Analysis, GPT-5.5 es el nuevo modelo líder en inteligencia general. OpenAI recupera así la primera posición del Intelligence Index, con Claude Opus 4.8, Gemini 3.1 Pro y Grok 4.3 muy cerca por detrás. La banda que separa a los modelos de frontera es tan estrecha que la elección rara vez se decide por el agregado, sino por la tarea concreta.

Claude Opus 4.8 domina el código; Fable 5 alcanza el 95% en SWE-bench Verified

En programación, Claude Opus 4.8 es la opción práctica actual con un 88,6% en SWE-bench Verified y un 69,2% en SWE-bench Pro. El recién llegado Claude Fable 5 alcanzó un 95,0% en SWE-bench Verified a $10/$50 por millón de tokens, aunque quedó no disponible fuera de EE.UU. desde el 13 de junio por la directiva de control de exportaciones.

Esto deja a los equipos internacionales con Opus 4.8 como referencia accesible de máxima calidad para código, un punto que desarrollamos en nuestro análisis de Claude Opus 4.8.

Gemini 3.1 Pro lidera el razonamiento científico

En razonamiento científico, Gemini 3.1 Pro encabeza GPQA Diamond con un 94,3%. Y en conocimiento de frontera, Grok 4 lidera el exigente Humanity's Last Exam con un 50,7%. Son dos benchmarks especialmente difíciles de inflar con técnicas de ajuste, lo que da peso a estos resultados.

FrontierMath v2 y el liderazgo matemático de GPT-5.5 Pro

Epoch publicó la versión 2 de FrontierMath el 12 de junio de 2026, tras corregir y retirar problemas defectuosos del conjunto. En la nueva referencia, GPT-5.5 Pro lidera FrontierMath Tier 4 con un 39,6%, casi el doble del 22,9% de Claude Opus 4.8. El dato confirma que el razonamiento matemático profundo sigue siendo el terreno donde más se separan los modelos.

La escalera de precios: de $0,28 a $50 por millón de tokens

El coste por millón de tokens de salida marca diferencias de dos órdenes de magnitud entre el modelo más barato y el más caro:

La lectura es directa: para volumen alto y tareas estándar, los modelos de la parte baja de la tabla ofrecen una relación calidad-precio imbatible. La gama alta se justifica solo cuando la tarea exige el máximo de razonamiento o de calidad de código.

Lo que esto significa para los profesionales

• Define tu caso de uso antes que tu modelo. Razonamiento general → GPT-5.5; código accesible internacionalmente → Claude Opus 4.8; razonamiento científico → Gemini 3.1 Pro; matemáticas → GPT-5.5 Pro.
• Cuidado con los modelos restringidos. Fable 5 lidera Verified, pero no está disponible fuera de EE.UU. No diseñes en torno a un modelo que tu región no puede usar.
• Optimiza el coste por tarea. Reserva la gama alta para lo que de verdad lo requiere y enruta el volumen a modelos económicos como DeepSeek V4 Flash o MiniMax M3.
• Reevalúa cada mes. Con FrontierMath v2 y nuevos lanzamientos casi semanales, el ranking de junio no será el de julio. Consulta nuestra sección de benchmarks con regularidad.