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 · cerrado82% OpenRouter Benchmarks
DeepSeek V4 Flash 0423DeepSeek · abierto81,7% OpenRouter Benchmarks
Gemini 3.7 FlashGoogle · cerrado80,7% OpenRouter Benchmarks
Qwen3.5 397B A17BAlibaba · abierto80,2% OpenRouter Benchmarks
GPT-5.1OpenAI · cerrado80% OpenRouter Benchmarks
Ling 3.1 FlashAnt Group · no informados79,3% OpenRouter Benchmarks
Claude Fable 5.1Anthropic · cerrado79,2% OpenRouter Benchmarks
Qwen3.6 27BAlibaba · abierto79% OpenRouter Benchmarks
MiMo V2.6 ProXiaomi · abierto78,9% OpenRouter Benchmarks
Claude Sonnet 5.5Anthropic · cerrado78,8% OpenRouter Benchmarks
GLM-5.3Zhipu AI (Z.ai) · abierto78,8% OpenRouter Benchmarks
Claude Opus 5Anthropic · cerrado78,7% OpenRouter Benchmarks
Gemini 4 ArgonGoogle · cerrado78,7% OpenRouter Benchmarks
Kimi K3.1 ProMoonshot AI · abierto78,7% OpenRouter Benchmarks
Qwen3.5-35B-A3BAlibaba · abierto78,7% OpenRouter Benchmarks
DeepSeek V4 ProDeepSeek · abierto78,6% OpenRouter Benchmarks
Gemini 3.5 Flash LiteGoogle · cerrado78,3% OpenRouter Benchmarks
MiMo-V2.6-FlashXiaomi · abierto78,2% OpenRouter Benchmarks
Qwen3.8 27BAlibaba · abierto78% OpenRouter Benchmarks
Claude Opus 4.7Anthropic · cerrado77,8% OpenRouter Benchmarks
DeepSeek V4.1 FlashDeepSeek · abierto77,8% OpenRouter Benchmarks
Qwen3.5-122B-A10BAlibaba · abierto77,7% OpenRouter Benchmarks
Hy4Tencent · abierto77,6% OpenRouter Benchmarks
Claude Opus 4.8Anthropic · cerrado77,5% OpenRouter Benchmarks
Qwen3.8 2.4T A95BAlibaba · abierto77,4% OpenRouter Benchmarks
Kimi K2.7 CodeMoonshot AI · abierto77,3% OpenRouter Benchmarks
Muse Glimmer 30BMeta · abierto77,2% OpenRouter Benchmarks
Gemini 3.1 ProGoogle · cerrado77% OpenRouter Benchmarks
Gemma 4 31BGoogle · abierto77% OpenRouter Benchmarks
GLM 5Zhipu AI (Z.ai) · abierto76,9% OpenRouter Benchmarks
DeepSeek V4 Flash Vision ExpDeepSeek · abierto76,7% OpenRouter Benchmarks
Gemini 3.8 FlashGoogle · cerrado76,7% OpenRouter Benchmarks
GLM-5.2Zhipu AI (Z.ai) · abierto76,7% OpenRouter Benchmarks
Nova Micro 1.0Amazon · no informados76,7% OpenRouter Benchmarks
Claude Opus 4.5Anthropic · cerrado76,6% OpenRouter Benchmarks
Qwen3.8 FlashAlibaba · abierto76,4% OpenRouter Benchmarks
Gemini 3.6 FlashGoogle · cerrado76,3% OpenRouter Benchmarks
GLM-5.3-FlashZhipu AI (Z.ai) · abierto76,3% OpenRouter Benchmarks
MiniMax M3MiniMax · abierto76,3% OpenRouter Benchmarks
Kimi K3Moonshot AI · abierto76,2% OpenRouter Benchmarks
Qwen3.6 35B A3BAlibaba · abierto76,2% OpenRouter Benchmarks
GLM 4.7Zhipu AI (Z.ai) · abierto76% OpenRouter Benchmarks
Claude Opus 4.6Anthropic · cerrado75,8% OpenRouter Benchmarks
GLM 5.1Zhipu AI (Z.ai) · abierto75,8% OpenRouter Benchmarks
Muse Spark OpenMeta · abierto75,7% OpenRouter Benchmarks
Qwen3.5-9BAlibaba · abierto75,7% OpenRouter Benchmarks
Claude Sonnet 5Anthropic · cerrado75,4% OpenRouter Benchmarks
Claude Opus 5.5Anthropic · cerrado75,3% OpenRouter Benchmarks
GPT-5.3-CodexOpenAI · cerrado75,3% OpenRouter Benchmarks
Grok 4.6xAI · cerrado75,3% OpenRouter Benchmarks
Grok 4.7xAI · cerrado75,3% OpenRouter Benchmarks
GPT-5.4OpenAI · cerrado75% OpenRouter Benchmarks
Claude Sonnet 4.5Anthropic · cerrado74,9% OpenRouter Benchmarks
Kimi K2.6Moonshot AI · abierto74,9% OpenRouter Benchmarks
Nemotron 3.5 Super VLNVIDIA · abierto74,9% OpenRouter Benchmarks
Claude Sonnet 4.6Anthropic · cerrado74,8% OpenRouter Benchmarks
DeepSeek V3.2DeepSeek · abierto74,7% OpenRouter Benchmarks
GPT-5.5OpenAI · cerrado74,7% OpenRouter Benchmarks
MiMo-V2.5Xiaomi · abierto74,7% OpenRouter Benchmarks
MiniMax M3.1 FlashMiniMax · abierto74,7% OpenRouter Benchmarks
GPT-5.6 SolOpenAI · cerrado74,2% OpenRouter Benchmarks
MiMo-V2.5-ProXiaomi · abierto74,1% OpenRouter Benchmarks
Claude Haiku 5.5Anthropic · cerrado74% OpenRouter Benchmarks
Ling 3.0 FlashAnt Group · abierto74% OpenRouter Benchmarks
Kimi K2.5Moonshot AI · abierto73,8% OpenRouter Benchmarks
MiniMax M2.7MiniMax · abierto73,4% OpenRouter Benchmarks
Gemini 3 Flash PreviewGoogle · no informados73,3% OpenRouter Benchmarks
GLM 4.6Zhipu AI (Z.ai) · abierto73,3% OpenRouter Benchmarks
DeepSeek V3.1DeepSeek · abierto73,1% OpenRouter Benchmarks
DeepSeek V3.1 TerminusDeepSeek · abierto73% OpenRouter Benchmarks
Gemini 3.5 FlashGoogle · cerrado73% OpenRouter Benchmarks
Gemini 3.1 Flash LiteGoogle · cerrado72,7% OpenRouter Benchmarks
GPT-5.6 LunaOpenAI · cerrado72,7% OpenRouter Benchmarks
GPT-6 Astra ProOpenAI · no informados72,7% OpenRouter Benchmarks
Qwen3.7 PlusAlibaba · cerrado72,7% OpenRouter Benchmarks
GPT-5 MiniOpenAI · cerrado72,4% OpenRouter Benchmarks
GPT-5.6 TerraOpenAI · cerrado72,3% OpenRouter Benchmarks
Ling 3.0 Flash VLAnt Group · abierto72% OpenRouter Benchmarks
Qwen3.7 MaxAlibaba · cerrado72% OpenRouter Benchmarks
GPT-5.6 Sol ProOpenAI · no informados71,7% OpenRouter Benchmarks
Nemotron 3.5 LightningNVIDIA · abierto71,5% OpenRouter Benchmarks
GPT-5OpenAI · cerrado70,7% OpenRouter Benchmarks
GPT-5.6 Luna ProOpenAI · no informados70,7% OpenRouter Benchmarks
GPT-6.1 SolOpenAI · cerrado70,7% OpenRouter Benchmarks
Gemma 4 26B A4BGoogle · abierto70,6% OpenRouter Benchmarks
GPT-6 SolOpenAI · cerrado70,2% OpenRouter Benchmarks
GPT-6.1 TerraOpenAI · cerrado70% OpenRouter Benchmarks
GLM 4.7 FlashZhipu AI (Z.ai) · abierto69,7% OpenRouter Benchmarks
GPT-6 AstraOpenAI · cerrado69,7% OpenRouter Benchmarks
GPT-6 Luna ProOpenAI · no informados69,3% OpenRouter Benchmarks
MiniMax M2.5MiniMax · abierto69,2% OpenRouter Benchmarks
GPT-6 LunaOpenAI · cerrado68,4% OpenRouter Benchmarks
gpt-oss-120bOpenAI · abierto67,3% OpenRouter Benchmarks
GPT-5.4 MiniOpenAI · cerrado66,7% OpenRouter Benchmarks
Claude Haiku 4.5Anthropic · cerrado66,4% OpenRouter Benchmarks
GPT-5.4 NanoOpenAI · cerrado65,6% OpenRouter Benchmarks
Granite 4.2 8BIBM · abierto64% OpenRouter Benchmarks
Qwen3 235B A22B Thinking 2507Alibaba · abierto61,7% OpenRouter Benchmarks
GLM 4.6VZhipu AI (Z.ai) · abierto60,7% OpenRouter Benchmarks
Qwen3 Coder NextAlibaba · abierto60,7% OpenRouter Benchmarks
Gemini 2.5 ProGoogle · cerrado60% OpenRouter Benchmarks
Gemini 2.5 FlashGoogle · cerrado59,1% OpenRouter Benchmarks
DeepSeek R1DeepSeek · abierto58% OpenRouter Benchmarks
Qwen3 32BAlibaba · abierto54,3% OpenRouter Benchmarks
Gemini 2.5 Flash LiteGoogle · no informados53,7% OpenRouter Benchmarks
gpt-oss-20bOpenAI · abierto53,5% OpenRouter Benchmarks
GPT-4.1OpenAI · cerrado52,3% OpenRouter Benchmarks
Nemotron 3 Nano 30B A3BNVIDIA · abierto52% OpenRouter Benchmarks
GPT-5 NanoOpenAI · cerrado48,3% OpenRouter Benchmarks
Gemma 3 12BGoogle · abierto48% OpenRouter Benchmarks
Qwen3 VL 235B A22B InstructAlibaba · abierto48% OpenRouter Benchmarks
Qwen3-CoderAlibaba · abierto48% OpenRouter Benchmarks
Qwen3-235B-A22BAlibaba · abierto47,9% OpenRouter Benchmarks
Qwen3 Next 80B A3B InstructAlibaba · abierto47,5% OpenRouter Benchmarks
Qwen3 30B A3BAlibaba · abierto47% OpenRouter Benchmarks
Mistral Small 4Mistral AI · abierto46% OpenRouter Benchmarks
Qwen3 Coder 30B A3B InstructAlibaba · abierto46% OpenRouter Benchmarks
GPT-4.1 MiniOpenAI · cerrado45,1% OpenRouter Benchmarks
Qwen3 14BAlibaba · abierto44% OpenRouter Benchmarks
DeepSeek V3DeepSeek · abierto43,8% OpenRouter Benchmarks
Llama 4 MaverickMeta · abierto43,4% OpenRouter Benchmarks
GPT-4oOpenAI · cerrado43,2% OpenRouter Benchmarks
Qwen3 30B A3B Instruct 2507Alibaba · abierto41,5% OpenRouter Benchmarks
Qwen3 VL 30B A3B InstructAlibaba · abierto41,3% OpenRouter Benchmarks
Llama 3.3 70B InstructMeta · abierto39,9% OpenRouter Benchmarks
Qwen3 VL 8B InstructAlibaba · abierto32,7% OpenRouter Benchmarks
GPT-4o-miniOpenAI · cerrado30,7% OpenRouter Benchmarks
Qwen2.5 72B InstructAlibaba · abierto27,3% OpenRouter Benchmarks
Llama 3.1 8B InstructMeta · abierto23,5% OpenRouter Benchmarks
GPT-4.1 NanoOpenAI · cerrado14% 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

  1. Las notas de benchmark son porcentajes, y el valor más alto es el mejor.
  2. 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.
  3. 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.

Markdown