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
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1499,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1491,38 – 1506,65Posición en la fuente: 34	max7034 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1504,39Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1492,61 – 1516,17Posición en la fuente: 27	max2645 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1476,68Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1463,2 – 1490,16Posición en la fuente: 29	max1954 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1451,68Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1439,4 – 1463,96Posición en la fuente: 32	max2653 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1460,24Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1440,51 – 1479,97Posición en la fuente: 77	max929 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1486,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1472,61 – 1501,11Posición en la fuente: 47	max1771 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1497,81Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,11 – 1519,51Posición en la fuente: 23	max678 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1502,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1480,34 – 1525,39Posición en la fuente: 17	max736 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1517,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1508,52 – 1527,24Posición en la fuente: 22	max4290 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1455,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1443,97 – 1467,4Posición en la fuente: 43	max2852 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1476,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1466,53 – 1486,39Posición en la fuente: 23	max3826 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1435,98Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1394,14 – 1477,83Posición en la fuente: 50	max215 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1466,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1424,13 – 1509,36Posición en la fuente: 12	max194 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1482,4Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,24 – 1491,55Posición en la fuente: 38	max4773 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1493,29Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1469,86 – 1516,71Posición en la fuente: 23	max579 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1465,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1450,46 – 1480,69Posición en la fuente: 69	max1581 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1458,79Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1451,1 – 1466,48Posición en la fuente: 44	max6862 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios	1467,28Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1424,99 – 1509,57Posición en la fuente: 44	max178 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1484,09Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,78 – 1499,41Posición en la fuente: 29	max1549 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4.1-flash-max	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1461,92Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1430,85 – 1492,99Posición en la fuente: 47	max356 comparaciones Identidad y recursos deepseek-v4.1-flash-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash-high	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1581,53Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1572,25 – 1590,82Posición en la fuente: 33	high4974 comparaciones Identidad y recursos deepseek-v4-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash-high	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1581,53Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1572,25 – 1590,82Posición en la fuente: 33	high4974 comparaciones Identidad y recursos deepseek-v4-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash-high	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1558,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1532,42 – 1583,81Posición en la fuente: 36	high605 comparaciones Identidad y recursos deepseek-v4-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash-high	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1584,72Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1573,52 – 1595,93Posición en la fuente: 32	high3388 comparaciones Identidad y recursos deepseek-v4-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1436,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1431,98 – 1440,05Posición en la fuente: 103	Configuración indicada en la fuente52.047 comparaciones Identidad y recursos deepseek-v4-flash 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 →