El Índice de IA 2026 de Stanford hace seguimiento del desempeño de los modelos de IA en GPQA Diamond, un conjunto de preguntas de química y física de nivel doctoral diseñadas para resistir las búsquedas en Google. La precisión media de los modelos en esta prueba alcanzó el 93 % en 2025, frente a una referencia de validadores humanos expertos de 81,2 % -- los modelos de IA ya superan a los expertos con doctorado por 12 puntos en GPQA Diamond
El Stanford HAI / Epoch AI 2026 AI Index rastrea el rendimiento de los modelos de IA en GPQA Diamond, un benchmark de preguntas de química y física a nivel de doctorado. En 2025, la precisión media de los modelos de IA en este benchmark alcanzó el 93%. Esto se compara con una línea base de validación humana experta del 81,2%, lo que significa que los modelos de IA superaron el rendimiento humano en 12 puntos porcentuales.
Verificado 2026-10-01
Síguelo con IniciadoPor qué importa
Los modelos ahora manejan preguntas científicas de nivel experto, pero una puntuación en una prueba no es lo mismo que hacer el trabajo de un científico.
Más sobre Modelos
- Los modelos de IA ya pueden ganar el oro en la Olimpiada Internacional de Matemáticas, pero el AI Index 2026 de Stanford halló que aún fallan en una tarea que la mayoría de los niños dominan pronto. En los 180 diseños de reloj y 720 preguntas de ClockBench, el mejor modelo, GPT-5.4 High, leyó correctamente relojes analógicos solo el 50,6 % de las veces, frente al 90,1 % de los humanos
- Tras casi cerrarse brevemente en 2024, la brecha de rendimiento entre los mejores modelos de IA de pesos cerrados y abiertos volvió a ampliarse en el ranking Arena. A marzo de 2026, el AI Index 2026 de Stanford encuentra que el mejor modelo cerrado lidera al mejor modelo abierto por un 3,3 %, frente a una ventaja del 0,5 % en agosto de 2024
- Los modelos de IA más avanzados están alcanzando rápidamente a los exámenes diseñados para resistirles. Hace un año obtenían menos del 10 % en Humanity's Last Exam, una prueba de 2700 preguntas diseñada para ser difícil para la IA y favorable a los expertos humanos. Ahora la precisión ha alcanzado 38,3 % en Humanity's Last Exam, frente a menos del 10 % un año antes
El boom de la IA,con recibos.
6 hechos con fuente cada día laborable, más The Weekly Brief, análisis a fondo de empresas de IA y mucho más. Gratis.
Gratis · Sin tarjeta · Date de baja cuando quieras · Ver la edición de hoy →
Únete ahora y empiezas con 100 Receipts en The Receipts Ledger — tu primer paso hacia un año gratis de Iniciado o Pro. Cómo funciona →