Datos externos · octubre de 2026

Benchmarks con apellido, fecha y contexto.

Busca el dato que responde a tu tarea. Una preferencia, una tasa de acierto y el coste de un experimento miden cosas distintas; aquí puedes consultarlos sin mezclarlos en una nota universal.

Corte guardado

Datos consultables, no llamadas a modelos.

Resultados por tarea y configuración1337

Modelos exactos cubiertos35

Fuentes con resultados4

Resultados técnicos53

Las filas incluyen categorías y configuraciones, no ese número de benchmarks independientes. Se actualizan a petición y conservan su fecha de origen. Captura del corte: 16/10/2026.

Explorador de evidencias

Filtra la tarea antes de leer la cifra.

Pruebas técnicas Señales de preferencia Todos los datos

Buscar modelo, proveedor, prueba o configuraciónFuenteTipo de evidenciaModeloTarea o categoríaOrden

Limpiar

Para consultar Arena, selecciona «Preferencia / uso» o «Todos los tipos» en el filtro de evidencia. Sus votos no son una prueba técnica de aciertos.

Resultados publicados. Cada fila conserva su escala y condiciones; no es un ranking global.
Versión evaluada	Fuente y tarea	Resultado publicado	Configuración, muestra y recursos	Fecha y trazabilidad
Claude Fable 5 (High)	Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios	0,0894IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: 0,0767 – 0,1021Posición en la fuente: 8	high2.631.384 observaciones41.908 sesiones Identidad y recursos Claude Fable 5 (High) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1624,74Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1618,41 – 1631,06Posición en la fuente: 21	high14.657 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1624,74Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1618,41 – 1631,06Posición en la fuente: 21	high14.657 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1651,09Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1635,8 – 1666,39Posición en la fuente: 11	high2000 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1632,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1624,74 – 1639,37Posición en la fuente: 22	high10.310 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1503,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1499,35 – 1508,03Posición en la fuente: 4	high40.026 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1554,33Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1542,86 – 1565,81Posición en la fuente: 4	high2964 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1551,43Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1544,72 – 1558,14Posición en la fuente: 2	high10.404 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1501,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1494,02 – 1509,02Posición en la fuente: 3	high8592 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1513,24Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1507,66 – 1518,82Posición en la fuente: 3	high17.152 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1523,23Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1517,57 – 1528,89Posición en la fuente: 4	high30.169 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1549,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1540,43 – 1559,3Posición en la fuente: 1	high4468 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1523,38Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1505,71 – 1541,05Posición en la fuente: 3	high1347 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1501,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,66 – 1525,46Posición en la fuente: 11	high622 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1529,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1524,65 – 1534,69Posición en la fuente: 4	high26.112 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1532,19Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1525,7 – 1538,68Posición en la fuente: 4	high11.207 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1501,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1493,97 – 1508,73Posición en la fuente: 5	high8014 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1493,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1486,99 – 1500,78Posición en la fuente: 3	high10.439 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1510,77Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1499,82 – 1521,71Posición en la fuente: 5	high3366 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1525,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1517,43 – 1533,26Posición en la fuente: 4	high6551 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1520,33Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1507,59 – 1533,07Posición en la fuente: 7	high2336 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1506,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1494,21 – 1517,92Posición en la fuente: 12	high2840 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1538,28Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1532,44 – 1544,11Posición en la fuente: 5	high14.996 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1508Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1501,34 – 1514,65Posición en la fuente: 3	high11.234 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1508,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1502,49 – 1514,61Posición en la fuente: 4	high14.174 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗

No ordenamos por puntuación escalas incompatibles. El CSV conserva la unidad original, las fuentes, la licencia y las configuraciones; no incluye datos privados de usuarios.

Estado de la conexión

Qué aporta cada fuente.

1284 resultados guardados

Arena

Preferencia y señales de usuarios por categoría; no es una tasa de acierto universal.

Datos conservados · última actualización no completada

Consultar esta fuente →Repositorio o documentación oficial ↗

13 resultados guardados

MTEB

Resultados de tareas de embeddings enviados al repositorio del benchmark; no todos los ejecuta el equipo de MTEB.

Datos disponibles

Consultar esta fuente →Repositorio o documentación oficial ↗

24 resultados guardados

Berkeley BFCL

Uso de herramientas, llamadas a funciones y escenarios de varios turnos. FC y Prompt se conservan separados; el coste es una estimación del benchmark completo.

Datos disponibles

Consultar esta fuente →Repositorio o documentación oficial ↗

16 resultados guardados

Terminal-Bench

Tareas de agentes en terminal. El resultado pertenece al conjunto agente, versión, modelo y esfuerzo de razonamiento; no al modelo aislado.

Datos disponibles

Consultar esta fuente →Repositorio o documentación oficial ↗

Sin corte importado

Artificial Analysis

Índices, velocidad, latencia y rankings Elo de LLM y modalidades multimedia desde su API oficial. Requiere una clave de datos y atribución; no consume tokens de inferencia.

Pendiente de clave gratuita de datos

Consultar esta fuente →Repositorio o documentación oficial ↗

Explorar las evidencias

Las cifras bajan hasta la versión.

Atribución y reutilización

Los autores del dato siguen visibles.

Arena · CC-BY-4.0Condiciones oficiales de uso ↗MTEB · CC0-1.0Condiciones oficiales de uso ↗Berkeley BFCL · Apache-2.0Condiciones oficiales de uso ↗Terminal-Bench · Apache-2.0Condiciones oficiales de uso ↗Artificial Analysis · API con atribuciónCondiciones oficiales de uso ↗

Arena publica el dataset bajo CC-BY-4.0; MTEB distribuye sus resultados bajo CC0; los archivos importados de Berkeley BFCL y Terminal-Bench están bajo Apache-2.0. IA Versus selecciona versiones y columnas, mantiene la precisión guardada y redondea solo la presentación.

Copia de licencia BFCL Copia de licencia Terminal-Bench

Artificial Analysis solo se consulta mediante su API oficial cuando exista una clave configurada. La tabla descargable de SWE-bench tiene condiciones no comerciales: no la importamos aquí sin permiso.

Cómo leer resultados y costes

No inventamos una prueba que no hemos hecho.

Arena mide preferencia y señales de uso. MTEB evalúa tareas de embeddings; nDCG en porcentaje no significa porcentaje de tareas resueltas. BFCL prueba herramientas con modos FC y Prompt distintos. Terminal-Bench mide agentes en terminal y necesita conservar también su versión.

El coste publicado pertenece al experimento completo, no a una tarifa API vigente. Cuando hay aciertos e importe registrado, mostramos lote / intentos correctos como cálculo descriptivo, no como coste de una tarea real ni promesa de eficiencia. Un coste registrado de cero no demuestra acceso gratuito.

La fecha de un archivo de entrega tampoco es la fecha de ejecución o de lanzamiento del modelo. Un corte antiguo se señala sin cambiar su fecha para aparentar una prueba reciente. Estas cifras no generan automáticamente un ganador ni una nota global.

Leer la metodología de IA Versus →