
Artificial Analysis volvió a mover las piezas de su Intelligence Index y, de paso, le cambió la foto al tablero de liderazgo. La versión v4.3 llega apenas días después de la v4.2, en lo que la consultora describe como la continuidad del despliegue de su Intelligence Index v5.
Qué cambió
Dos movimientos grandes en la metodología:
- Terminal-Bench se actualiza a v4.0 (reemplaza a la versión v2.1 que venía corriendo).
- Se estrena AutomationBench-AA, un benchmark de automatización de flujos de trabajo agénticos con set de prueba privado, que reemplaza al antiguo τ³-Banking. Lo corren en colaboración con Zapier sobre un set de 657 tareas (la versión v1.0.6 del benchmark).
El nuevo ranking
Con la v4.3, Fable 5.1 y GPT-6 Astra quedan empatados en el primer lugar. Y ojo, porque ahí se cuela una señal interesante: Fable, un lab relativamente más chico, compite cabeza a cabeza con el buque insignia de OpenAI.
En el frente de modelos abiertos (open weights), la cosa sigue dominada por los chinos:
- GLM-5.3 y Kimi K3 lideran con 44.
- GLM-5.3-Flash: 42.
- Qwen3.8 2.4T A95B: 40.
- DeepSeek V4 Pro 0813 (max): 36.
Por qué importa
Que una actualización de metodología reordene el top es un recordatorio de que los benchmarks no son verdades absolutas: son medidas móviles que dependen de qué tareas pesan más en la balanza. El agregado de AutomationBench-AA también empuja la evaluación hacia tareas de automatización real de flujos, más cercanas a lo que los agentes harán en producción que a resolver puzzles de razonamiento.
La moraleja para el que elige modelo: no se case con un número, mire qué mide el índice y si eso se parece a su caso de uso.


