Los eventos extremos de cambio climático son causas importantes de impactos devastadores en el bienestar socioeconómico y daños en los ecosistemas. Por lo tanto, comprender el rendimiento de los modelos climáticos apropiados que representan las características climáticas locales es fundamental para las proyecciones futuras. Así, este estudio analiza el rendimiento de 24 modelos de circulación general (GCM) del Proyecto de Comparación de Modelos Acoplados Fases 5 y 6 (CMIP5 y 6) y sus conjuntos multi-modelo en la simulación de variables climáticas, incluyendo la precipitación promedio, las temperaturas máximas (Tmax) y mínimas (Tmin) a escalas anuales y estacionales en la región de Chungcheong en Corea del Sur desde 1975 hasta 2015. Se realizó un análisis de tendencias para estimar las tendencias futuras en las variables climáticas en las décadas de 2060 (2021-2060) y 2080 (2061-2100). Se aplicaron métodos de ponderación por distancia inversa y mapeo delta de cuantiles para corregir sesgos en los datos de los GCM. Además, se utilizaron seis índices de evaluación principales que comprenden evaluaciones de rendimiento temporal y espacial, después de lo cual se aplicó un ranking integral de los GCM. Los resultados mostraron que los modelos CMIP6 tuvieron un mejor rendimiento en la simulación de la precipitación, Tmax y Tmin tanto a escalas temporales como espaciales. Para CMIP5, los tres modelos con mejor rendimiento fueron GISS, ACCESS1-3 y MRI-CGCM3 para la lluvia; CanESM2, GISS y MPI-ESM-L-R para Tmax; y GFDL, MRI-CGCM3 y CanESM2 para Tmin. Sin embargo, los tres modelos con mejor rendimiento en CMIP6 fueron MRI-ESM2-0, BCC_CSM y GFDL para la lluvia; MIROC6, BCC_CSM y MRI-ESM2-0 para Tmax; y GFDL, MPI_ESM_HR y MRI-ESM2-0 para Tmin. Los conjuntos multi-modelo (un promedio de los tres mejores GCM) tuvieron un mejor rendimiento en la simulación de lluvia y Tmin tanto para CMIP5 como para CMIP6 en comparación con los conjuntos multi-modelo (un promedio de todos los GCM), que solo tuvieron un rendimiento ligeramente mejor en la simulación de Tmax. El análisis de tendencias de proyección futura indica un aumento en la lluvia, Tmax y Tmin; sin embargo, con cambios distintos bajo niveles de forzamiento radiante similares en los modelos CMIP5 y CMIP6. Las proyecciones bajo RCP4.5 y RCP8.5 aumentan más que los escenarios SSP2-4.5 y SSP5-8.5 para la mayoría de las condiciones climáticas, pero son más pronunciadas, especialmente para la lluvia, bajo RCP8.5 que SSP5-8.5 en el futuro lejano (2080). Este estudio proporciona hallazgos esclarecedores sobre la selección de GCM apropiados para generar proyecciones climáticas confiables para las condiciones climáticas locales en la región de Chungcheong en Corea del Sur.