El GPT-5 de OpenAI, con alto esfuerzo de razonamiento, lidera el benchmark de programación Aider Polyglot con una puntuación del 88,0%, estableciendo una clara ventaja sobre competidores como o3-pro (84,9%) y Gemini 2.5 Pro (83,1%). Este benchmark del mundo real evalúa el rendimiento del modelo editando código en múltiples lenguajes de programación dentro de bases de código existentes, en lugar de generar funciones aisladas.
- GPT-5 con alto esfuerzo de razonamiento alcanza el 88,0%, mientras que la configuración media obtiene un 81,3%, destacando una ganancia significativa de 6,7 puntos porcentuales gracias al aumento de cómputo.
- OpenAI domina las seis primeras posiciones del ranking, demostrando profundidad en su línea de modelos.
- Claude Sonnet 4 queda significativamente atrás con un 61,0%, posiblemente debido a dificultades con el flujo de trabajo específico de edición basado en diffs de Aider, más que a una capacidad general de programación.
Los resultados indican que GPT-5 es la opción superior para equipos que utilizan Aider como su asistente de código principal, mientras que la brecha entre los ajustes de razonamiento sugiere que la escalabilidad del cómputo sigue siendo un factor crítico para el rendimiento.