Modelos de IA
τ-bench Verified (compañía aérea): marcador de modelos de IA
130 modelos de IA en τ-bench Verified (compañía aérea), según OpenRouter Benchmarks. Es poco discriminante: la mayoría empata con la nota más alta.
τ-bench Verified (compañía aérea), en el cuadro de OpenRouter Benchmarks (CC BY 4.0, última versión consultada), simula a un agente de aerolínea que usa sistemas y debe seguir las políticas de la empresa hasta el final de la conversación. La nota es el porcentaje de tareas concluídas dentro de la regla. Aquí están los 130 modelos de esta área con nota en τ-bench Verified (compañía aérea), según OpenRouter Benchmarks. La mayoría queda en empate técnico con la nota más alta, y por eso la tabla muestra la nota sin posición y sin sello.
τ-bench Verified (compañía aérea)
82%
Claude Fable 5
modelos
130
01
| Modelo | % | Fuente |
|---|---|---|
| Claude Fable 5Anthropic · cerrado | 82% | OpenRouter Benchmarks |
| DeepSeek V4 Flash 0423DeepSeek · abierto | 81,7% | OpenRouter Benchmarks |
| Gemini 3.7 FlashGoogle · cerrado | 80,7% | OpenRouter Benchmarks |
| Qwen3.5 397B A17BAlibaba · abierto | 80,2% | OpenRouter Benchmarks |
| GPT-5.1OpenAI · cerrado | 80% | OpenRouter Benchmarks |
| Ling 3.1 FlashAnt Group · no informados | 79,3% | OpenRouter Benchmarks |
| Claude Fable 5.1Anthropic · cerrado | 79,2% | OpenRouter Benchmarks |
| Qwen3.6 27BAlibaba · abierto | 79% | OpenRouter Benchmarks |
| MiMo V2.6 ProXiaomi · abierto | 78,9% | OpenRouter Benchmarks |
| Claude Sonnet 5.5Anthropic · cerrado | 78,8% | OpenRouter Benchmarks |
| GLM-5.3Zhipu AI (Z.ai) · abierto | 78,8% | OpenRouter Benchmarks |
| Claude Opus 5Anthropic · cerrado | 78,7% | OpenRouter Benchmarks |
| Gemini 4 ArgonGoogle · cerrado | 78,7% | OpenRouter Benchmarks |
| Kimi K3.1 ProMoonshot AI · abierto | 78,7% | OpenRouter Benchmarks |
| Qwen3.5-35B-A3BAlibaba · abierto | 78,7% | OpenRouter Benchmarks |
| DeepSeek V4 ProDeepSeek · abierto | 78,6% | OpenRouter Benchmarks |
| Gemini 3.5 Flash LiteGoogle · cerrado | 78,3% | OpenRouter Benchmarks |
| MiMo-V2.6-FlashXiaomi · abierto | 78,2% | OpenRouter Benchmarks |
| Qwen3.8 27BAlibaba · abierto | 78% | OpenRouter Benchmarks |
| Claude Opus 4.7Anthropic · cerrado | 77,8% | OpenRouter Benchmarks |
| DeepSeek V4.1 FlashDeepSeek · abierto | 77,8% | OpenRouter Benchmarks |
| Qwen3.5-122B-A10BAlibaba · abierto | 77,7% | OpenRouter Benchmarks |
| Hy4Tencent · abierto | 77,6% | OpenRouter Benchmarks |
| Claude Opus 4.8Anthropic · cerrado | 77,5% | OpenRouter Benchmarks |
| Qwen3.8 2.4T A95BAlibaba · abierto | 77,4% | OpenRouter Benchmarks |
| Kimi K2.7 CodeMoonshot AI · abierto | 77,3% | OpenRouter Benchmarks |
| Muse Glimmer 30BMeta · abierto | 77,2% | OpenRouter Benchmarks |
| Gemini 3.1 ProGoogle · cerrado | 77% | OpenRouter Benchmarks |
| Gemma 4 31BGoogle · abierto | 77% | OpenRouter Benchmarks |
| GLM 5Zhipu AI (Z.ai) · abierto | 76,9% | OpenRouter Benchmarks |
| DeepSeek V4 Flash Vision ExpDeepSeek · abierto | 76,7% | OpenRouter Benchmarks |
| Gemini 3.8 FlashGoogle · cerrado | 76,7% | OpenRouter Benchmarks |
| GLM-5.2Zhipu AI (Z.ai) · abierto | 76,7% | OpenRouter Benchmarks |
| Nova Micro 1.0Amazon · no informados | 76,7% | OpenRouter Benchmarks |
| Claude Opus 4.5Anthropic · cerrado | 76,6% | OpenRouter Benchmarks |
| Qwen3.8 FlashAlibaba · abierto | 76,4% | OpenRouter Benchmarks |
| Gemini 3.6 FlashGoogle · cerrado | 76,3% | OpenRouter Benchmarks |
| GLM-5.3-FlashZhipu AI (Z.ai) · abierto | 76,3% | OpenRouter Benchmarks |
| MiniMax M3MiniMax · abierto | 76,3% | OpenRouter Benchmarks |
| Kimi K3Moonshot AI · abierto | 76,2% | OpenRouter Benchmarks |
| Qwen3.6 35B A3BAlibaba · abierto | 76,2% | OpenRouter Benchmarks |
| GLM 4.7Zhipu AI (Z.ai) · abierto | 76% | OpenRouter Benchmarks |
| Claude Opus 4.6Anthropic · cerrado | 75,8% | OpenRouter Benchmarks |
| GLM 5.1Zhipu AI (Z.ai) · abierto | 75,8% | OpenRouter Benchmarks |
| Muse Spark OpenMeta · abierto | 75,7% | OpenRouter Benchmarks |
| Qwen3.5-9BAlibaba · abierto | 75,7% | OpenRouter Benchmarks |
| Claude Sonnet 5Anthropic · cerrado | 75,4% | OpenRouter Benchmarks |
| Claude Opus 5.5Anthropic · cerrado | 75,3% | OpenRouter Benchmarks |
| GPT-5.3-CodexOpenAI · cerrado | 75,3% | OpenRouter Benchmarks |
| Grok 4.6xAI · cerrado | 75,3% | OpenRouter Benchmarks |
| Grok 4.7xAI · cerrado | 75,3% | OpenRouter Benchmarks |
| GPT-5.4OpenAI · cerrado | 75% | OpenRouter Benchmarks |
| Claude Sonnet 4.5Anthropic · cerrado | 74,9% | OpenRouter Benchmarks |
| Kimi K2.6Moonshot AI · abierto | 74,9% | OpenRouter Benchmarks |
| Nemotron 3.5 Super VLNVIDIA · abierto | 74,9% | OpenRouter Benchmarks |
| Claude Sonnet 4.6Anthropic · cerrado | 74,8% | OpenRouter Benchmarks |
| DeepSeek V3.2DeepSeek · abierto | 74,7% | OpenRouter Benchmarks |
| GPT-5.5OpenAI · cerrado | 74,7% | OpenRouter Benchmarks |
| MiMo-V2.5Xiaomi · abierto | 74,7% | OpenRouter Benchmarks |
| MiniMax M3.1 FlashMiniMax · abierto | 74,7% | OpenRouter Benchmarks |
| GPT-5.6 SolOpenAI · cerrado | 74,2% | OpenRouter Benchmarks |
| MiMo-V2.5-ProXiaomi · abierto | 74,1% | OpenRouter Benchmarks |
| Claude Haiku 5.5Anthropic · cerrado | 74% | OpenRouter Benchmarks |
| Ling 3.0 FlashAnt Group · abierto | 74% | OpenRouter Benchmarks |
| Kimi K2.5Moonshot AI · abierto | 73,8% | OpenRouter Benchmarks |
| MiniMax M2.7MiniMax · abierto | 73,4% | OpenRouter Benchmarks |
| Gemini 3 Flash PreviewGoogle · no informados | 73,3% | OpenRouter Benchmarks |
| GLM 4.6Zhipu AI (Z.ai) · abierto | 73,3% | OpenRouter Benchmarks |
| DeepSeek V3.1DeepSeek · abierto | 73,1% | OpenRouter Benchmarks |
| DeepSeek V3.1 TerminusDeepSeek · abierto | 73% | OpenRouter Benchmarks |
| Gemini 3.5 FlashGoogle · cerrado | 73% | OpenRouter Benchmarks |
| Gemini 3.1 Flash LiteGoogle · cerrado | 72,7% | OpenRouter Benchmarks |
| GPT-5.6 LunaOpenAI · cerrado | 72,7% | OpenRouter Benchmarks |
| GPT-6 Astra ProOpenAI · no informados | 72,7% | OpenRouter Benchmarks |
| Qwen3.7 PlusAlibaba · cerrado | 72,7% | OpenRouter Benchmarks |
| GPT-5 MiniOpenAI · cerrado | 72,4% | OpenRouter Benchmarks |
| GPT-5.6 TerraOpenAI · cerrado | 72,3% | OpenRouter Benchmarks |
| Ling 3.0 Flash VLAnt Group · abierto | 72% | OpenRouter Benchmarks |
| Qwen3.7 MaxAlibaba · cerrado | 72% | OpenRouter Benchmarks |
| GPT-5.6 Sol ProOpenAI · no informados | 71,7% | OpenRouter Benchmarks |
| Nemotron 3.5 LightningNVIDIA · abierto | 71,5% | OpenRouter Benchmarks |
| GPT-5OpenAI · cerrado | 70,7% | OpenRouter Benchmarks |
| GPT-5.6 Luna ProOpenAI · no informados | 70,7% | OpenRouter Benchmarks |
| GPT-6.1 SolOpenAI · cerrado | 70,7% | OpenRouter Benchmarks |
| Gemma 4 26B A4BGoogle · abierto | 70,6% | OpenRouter Benchmarks |
| GPT-6 SolOpenAI · cerrado | 70,2% | OpenRouter Benchmarks |
| GPT-6.1 TerraOpenAI · cerrado | 70% | OpenRouter Benchmarks |
| GLM 4.7 FlashZhipu AI (Z.ai) · abierto | 69,7% | OpenRouter Benchmarks |
| GPT-6 AstraOpenAI · cerrado | 69,7% | OpenRouter Benchmarks |
| GPT-6 Luna ProOpenAI · no informados | 69,3% | OpenRouter Benchmarks |
| MiniMax M2.5MiniMax · abierto | 69,2% | OpenRouter Benchmarks |
| GPT-6 LunaOpenAI · cerrado | 68,4% | OpenRouter Benchmarks |
| gpt-oss-120bOpenAI · abierto | 67,3% | OpenRouter Benchmarks |
| GPT-5.4 MiniOpenAI · cerrado | 66,7% | OpenRouter Benchmarks |
| Claude Haiku 4.5Anthropic · cerrado | 66,4% | OpenRouter Benchmarks |
| GPT-5.4 NanoOpenAI · cerrado | 65,6% | OpenRouter Benchmarks |
| Granite 4.2 8BIBM · abierto | 64% | OpenRouter Benchmarks |
| Qwen3 235B A22B Thinking 2507Alibaba · abierto | 61,7% | OpenRouter Benchmarks |
| GLM 4.6VZhipu AI (Z.ai) · abierto | 60,7% | OpenRouter Benchmarks |
| Qwen3 Coder NextAlibaba · abierto | 60,7% | OpenRouter Benchmarks |
| Gemini 2.5 ProGoogle · cerrado | 60% | OpenRouter Benchmarks |
| Gemini 2.5 FlashGoogle · cerrado | 59,1% | OpenRouter Benchmarks |
| DeepSeek R1DeepSeek · abierto | 58% | OpenRouter Benchmarks |
| Qwen3 32BAlibaba · abierto | 54,3% | OpenRouter Benchmarks |
| Gemini 2.5 Flash LiteGoogle · no informados | 53,7% | OpenRouter Benchmarks |
| gpt-oss-20bOpenAI · abierto | 53,5% | OpenRouter Benchmarks |
| GPT-4.1OpenAI · cerrado | 52,3% | OpenRouter Benchmarks |
| Nemotron 3 Nano 30B A3BNVIDIA · abierto | 52% | OpenRouter Benchmarks |
| GPT-5 NanoOpenAI · cerrado | 48,3% | OpenRouter Benchmarks |
| Gemma 3 12BGoogle · abierto | 48% | OpenRouter Benchmarks |
| Qwen3 VL 235B A22B InstructAlibaba · abierto | 48% | OpenRouter Benchmarks |
| Qwen3-CoderAlibaba · abierto | 48% | OpenRouter Benchmarks |
| Qwen3-235B-A22BAlibaba · abierto | 47,9% | OpenRouter Benchmarks |
| Qwen3 Next 80B A3B InstructAlibaba · abierto | 47,5% | OpenRouter Benchmarks |
| Qwen3 30B A3BAlibaba · abierto | 47% | OpenRouter Benchmarks |
| Mistral Small 4Mistral AI · abierto | 46% | OpenRouter Benchmarks |
| Qwen3 Coder 30B A3B InstructAlibaba · abierto | 46% | OpenRouter Benchmarks |
| GPT-4.1 MiniOpenAI · cerrado | 45,1% | OpenRouter Benchmarks |
| Qwen3 14BAlibaba · abierto | 44% | OpenRouter Benchmarks |
| DeepSeek V3DeepSeek · abierto | 43,8% | OpenRouter Benchmarks |
| Llama 4 MaverickMeta · abierto | 43,4% | OpenRouter Benchmarks |
| GPT-4oOpenAI · cerrado | 43,2% | OpenRouter Benchmarks |
| Qwen3 30B A3B Instruct 2507Alibaba · abierto | 41,5% | OpenRouter Benchmarks |
| Qwen3 VL 30B A3B InstructAlibaba · abierto | 41,3% | OpenRouter Benchmarks |
| Llama 3.3 70B InstructMeta · abierto | 39,9% | OpenRouter Benchmarks |
| Qwen3 VL 8B InstructAlibaba · abierto | 32,7% | OpenRouter Benchmarks |
| GPT-4o-miniOpenAI · cerrado | 30,7% | OpenRouter Benchmarks |
| Qwen2.5 72B InstructAlibaba · abierto | 27,3% | OpenRouter Benchmarks |
| Llama 3.1 8B InstructMeta · abierto | 23,5% | OpenRouter Benchmarks |
| GPT-4.1 NanoOpenAI · cerrado | 14% | OpenRouter Benchmarks |
Preguntas frecuentes
¿Qué modelo tiene la nota más alta en τ-bench Verified (compañía aérea)?
La nota más alta en τ-bench Verified (compañía aérea) es la de Claude Fable 5, con 82%, según OpenRouter Benchmarks. La mayoría de los modelos queda en empate técnico con ella, y por eso la tabla muestra la nota sin posición y sin sello.
¿Qué mide τ-bench Verified (compañía aérea)?
τ-bench Verified (compañía aérea), en el cuadro de OpenRouter Benchmarks (CC BY 4.0, última versión consultada), simula a un agente de aerolínea que usa sistemas y debe seguir las políticas de la empresa hasta el final de la conversación. La nota es el porcentaje de tareas concluídas dentro de la regla.
¿Qué modelos entran en este ranking?
Los 130 modelos de esta área con nota publicada en τ-bench Verified (compañía aérea), según OpenRouter Benchmarks. Ninguna versión hereda la nota de otra.
Cómo leer
- Las notas de benchmark son porcentajes, y el valor más alto es el mejor.
- La posición aparece como franja, «1.º de 130». Dentro de la franja, la diferencia con los modelos vecinos queda dentro del margen del benchmark. El sello «nota más alta» marca al modelo con la nota más alta del benchmark, y el sello «empate técnico con la nota más alta» marca a los modelos cuya diferencia con ella queda dentro del margen.
- En un benchmark saturado, la tabla muestra el marcador con el sello y sin orden de posición.
Fuentes
- Epoch AI, CC BY 4.0, versión más reciente consultada.
- OpenRouter Benchmarks, CC BY 4.0, versión más reciente consultada.
- OpenRouter, dados públicos da API; exports de benchmarks e rankings em CC BY 4.0, versión más reciente consultada.
Las fechas vienen de las fuentes: entrada en OpenRouter o creación del repositorio en Hugging Face, que pueden no coincidir con el lanzamiento oficial. Familia y versión se agruparon por regla a partir del nombre.
Cómo citar
Si usa estos datos, cite la página y la fecha en que la consultó.
Adriano Meirinho. «τ-bench Verified (compañía aérea): marcador de modelos de IA». meirinho.com.br. https://meirinho.com.br/es/ia/modelos/benchmark/tau-bench-airline/. Consultado el 21 de noviembre de 2026.
Los datos de terceros siguen la licencia de cada fuente. La tabla completa está en CSV y en JSON.