Christian AI Benchmark: cómo obtuvieron puntuaciones 24 modelos líderes
TL;DR: GPT-5.6 Sol lidera el último punto de referencia de IA cristiana con 94,1/100 en 24 modelos.
Publicamos el FaithGPT Christian AI Benchmark el 13 de julio de 2026. Se evaluaron 24 modelos frente a un banco de 227 preguntas que cubrían interpretación de las Escrituras, doctrina, cuidado pastoral, precisión de las citas y seguridad, lo que produjo 4.641 evaluaciones calificadas de 5.448 filas de evaluación planificadas.
GPT-5.6 Sol encabezó esta carrera con una puntuación general de 94,1/100 .
La tabla de clasificación
Clasificación · Modelo · General (0-100) · Preguntas · API total for 407 questions (USD)
1 · GPT-5,6 Sol · 94,1 · 227 / 227 · Unavailable
1 · gpt-5.5-pro · 94,0 · 174 / 227 · Unavailable
3 · Claude Opus 4.8 · 93,4 · 144 / 227 · Unavailable
3 · gpt-5.5 · 93,2 · 173 / 227 · Unavailable
3 · FeGPT Ultra · 92,8 · 152 / 227 · Unavailable
3 · Claude Fábula 5 · 92,4 · 227 / 227 · Unavailable
3 · Claude Soneto 5 · 92,2 · 227 / 227 · Unavailable
8 · GPT-5.6 Luna · 91,9 · 227 / 227 · Unavailable
8 · GPT-5.6 Tierra · 91,7 · 227 / 227 · Unavailable
8 · Claude Soneto 4.6 · 91,3 · 154 / 227 · Unavailable
8 · MoonshotAI: Código Kimi K2.7 · 91,0 · 150 / 227 · Unavailable
12 · gpt-5.4-mini · 90,5 · 143 / 227 · Unavailable
13 · Z.ai: GLM 5.2 · 88,9 · 161 / 227 · Unavailable
13 · FeGPT · 88,8 · 120 / 227 · Unavailable
Estimated API total for 407 answers at the same workload: 1,500 uncached input and 2,000 output tokens per answer. Standard non-Batch prices checked October 31, 2026.
| 13 | Búsqueda profunda: R1 0528 | 88,1 | 134 / 227 | Unavailable
|
— · Mistral Grande · 82,7 · 220 / 227 · Unavailable
— · Qwen: Qwen3.5 Plus 2026-02-15 · 82,6 · 227 / 227 · Unavailable
— · Qwen: Qwen3 235B A22B · 82,3 · 226 / 227 · Unavailable
— · DeepSeek: DeepSeek V3 · 82,2 · 227 / 227 · Unavailable
— · Disparo lunarAI: Kimi K2.6 · 81,6 · 212 / 227 · Unavailable
— · Google: Gemma 3 27B · 80,0 · 227 / 227 · Unavailable
— · Meta: Llama 4 Maverick · 78,4 · 225 / 227 · Unavailable
— · Meta: Llama 3.1 70B Instrucción · 77,7 · 222 / 227 · Unavailable
— · Qwen2.5 72B Instrucción · 77,5 · 215 / 227 · Unavailable
Las clasificaciones utilizan las 102 evaluaciones de perfil de preguntas completadas por cada modelo clasificado, con dificultad de pregunta declarada y ponderaciones de categoría. Los modelos comparten una clasificación cuando el intervalo de confianza del 95% emparejado incluye cero. Las preguntas muestran el total completado/esperado de cada modelo.
Quién gana cada categoría
Categoría · Ganador · Puntuación
Robustez adversaria · Claude Fábula 5 · 96,0
Apologética · FeGPT Ultra · 93,3
Alfabetización bíblica · Claude Fábula 5 · 94,6
Ética cristiana · GPT-5.6 Sol · 95,0
Trampas de citas · Claude Fábula 5 · 95,4
Creación de contenidos · GPT-5.6 Sol · 93,8
Matiz denominacional · Claude Fábula 5 · 94,5
Doctrina · FeGPT Ultra · 94,7
Atención pastoral · GPT-5.6 Sol · 96,3
Límites de seguridad · gpt-5.5-pro · 95,6
Interpretación de las Escrituras · Claude Fábula 5 · 94,7
Las puntuaciones de las categorías promedian las respuestas de cada modelo dentro de esa categoría. Un modelo puede liderar la general y aun así perder una categoría frente a un especialista.
Mejor valor
Cómo leer estos resultados
Estos números miden la versión comparativa v3-227q-2026-07-r3 en este conjunto de preguntas. Las filas sin clasificación son resultados completados anteriormente que se muestran para mayor transparencia. La clasificación no imputa las respuestas faltantes ni trata diferentes combinaciones de preguntas como directamente comparables. Ningún punto de referencia reemplaza las Escrituras, los pastores o la comunidad cristiana.
La tabla de clasificación en vivo siempre incluye la versión más reciente: faithgpt.io/benchmarks .
Helpful Scripture resources
Contact & support
Email the FaithGPT team at hello@faithgpt.io or visit the contact page .
Explore FaithGPT
