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-flash	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1470,71Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1459,33 – 1482,08Posición en la fuente: 107	Configuración indicada en la fuente3004 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1484,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1478,11 – 1490,54Posición en la fuente: 103	Configuración indicada en la fuente15.289 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1408,03Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1400,51 – 1415,54Posición en la fuente: 93	Configuración indicada en la fuente8623 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1444,85Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1439,58 – 1450,12Posición en la fuente: 105	Configuración indicada en la fuente23.153 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1431,84Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1426,55 – 1437,14Posición en la fuente: 104	Configuración indicada en la fuente39.365 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1457,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1448,32 – 1465,79Posición en la fuente: 106	Configuración indicada en la fuente5418 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1448,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1433,78 – 1463,68Posición en la fuente: 103	Configuración indicada en la fuente2006 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1424,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1403,72 – 1446,17Posición en la fuente: 103	Configuración indicada en la fuente841 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1459,03Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1454,28 – 1463,79Posición en la fuente: 100	Configuración indicada en la fuente34.825 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1463,51Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1457,47 – 1469,55Posición en la fuente: 100	Configuración indicada en la fuente16.245 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1438,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1431,62 – 1445,54Posición en la fuente: 105	Configuración indicada en la fuente10.448 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1404,44Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1397,52 – 1411,36Posición en la fuente: 100	Configuración indicada en la fuente11.246 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1448,09Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1438,25 – 1457,92Posición en la fuente: 95	Configuración indicada en la fuente4153 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1456,45Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1449,08 – 1463,81Posición en la fuente: 96	Configuración indicada en la fuente8433 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1434,63Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1423,21 – 1446,04Posición en la fuente: 116	Configuración indicada en la fuente2980 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1459,47Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1448,99 – 1469,95Posición en la fuente: 92	Configuración indicada en la fuente3696 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1471,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1465,7 – 1476,7Posición en la fuente: 107	Configuración indicada en la fuente21.388 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1415,66Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1409,12 – 1422,19Posición en la fuente: 98	Configuración indicada en la fuente12.642 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1428,25Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1422,45 – 1434,04Posición en la fuente: 96	Configuración indicada en la fuente18.012 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1398,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1373,56 – 1423,09Posición en la fuente: 86	Configuración indicada en la fuente653 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1393,66Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1372,8 – 1414,53Posición en la fuente: 82	Configuración indicada en la fuente902 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1447,64Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1442,08 – 1453,21Posición en la fuente: 93	Configuración indicada en la fuente23.403 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1425,14Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1413,42 – 1436,87Posición en la fuente: 118	Configuración indicada en la fuente2701 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1453,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1445,79 – 1460,35Posición en la fuente: 82	Configuración indicada en la fuente9348 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1423,21Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1418,27 – 1428,15Posición en la fuente: 103	Configuración indicada en la fuente28.893 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 →