Los modelos de lenguaje grandes (LLMs) basados en inteligencia artificial han encontrado aplicaciones en varios sectores, incluyendo medicina, educación, ciencia, literatura y marketing. Aunque ofrecen oportunidades considerables, sus limitaciones también plantean preocupaciones importantes. Este estudio evalúa varias herramientas de IA en el contexto de la meteorología y la climatología. Las herramientas examinadas incluyen ChatGPT o3-mini, o1, 4.o, 4.0; Gemini Advanced 1.5 y 2.0; Copilot; Perplexity; DataAnalyst; Consensus; ScholarGPT; SciSpace; Claude; y DeepSeek. Las tareas de evaluación comprendieron el reconocimiento y clasificación de nubes a partir de fotografías, el llenado de vacíos en revisiones de literatura, la creación de mapas basados en conjuntos de datos proporcionados, la interpretación comparativa de mapas y la recuperación de datos archivados a partir de gráficos de líneas convertidos en datos numéricos. Cada tarea fue calificada en una escala del 0 al 5. Realizado entre febrero de 2024 y febrero de 2025, el estudio encontró que ChatGPT o3-mini destacó en la clasificación de nubes; ChatGPT4.o y ScholarGPT produjeron mapas de alta calidad; Claude 3.5 Sonnet y SciSpace proporcionaron las descripciones de mapas más detalladas; y Consensus y ChatGPT o1 fueron los más efectivos para el apoyo en revisiones de literatura. Sin embargo, todas las herramientas tuvieron un rendimiento deficiente en cuanto a la recuperación de datos archivados, siendo Claude 3.5 Sonnet el que presentó los errores más pequeños. En general, se observó un progreso sustancial durante el período del estudio.