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-pro	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1450,95Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1444,63 – 1457,26Posición en la fuente: 53	Configuración indicada en la fuente14.193 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1452,64Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1447,06 – 1458,21Posición en la fuente: 59	Configuración indicada en la fuente20.069 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1455,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1431,55 – 1479,13Posición en la fuente: 34	Configuración indicada en la fuente722 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1417,9Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1399 – 1436,81Posición en la fuente: 58	Configuración indicada en la fuente1109 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1471,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1466,4 – 1477,05Posición en la fuente: 59	Configuración indicada en la fuente25.984 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1445,26Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1434,17 – 1456,34Posición en la fuente: 85	Configuración indicada en la fuente3062 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1474,78Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1467,76 – 1481,8Posición en la fuente: 49	Configuración indicada en la fuente10.357 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1444,77Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1440,05 – 1449,5Posición en la fuente: 63	Configuración indicada en la fuente32.346 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios	1466,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1447,99 – 1484,22Posición en la fuente: 45	Configuración indicada en la fuente1123 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1460,26Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1452,05 – 1468,47Posición en la fuente: 58	Configuración indicada en la fuente6325 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1457,64Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1442,33 – 1472,95Posición en la fuente: 60	Configuración indicada en la fuente1734 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
Gemini 3.1 Pro Preview	Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios	-0,0779IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: -0,0879 – -0,0679Posición en la fuente: 48	Configuración indicada en la fuente3.470.620 observaciones86.794 sesiones Identidad y recursos Gemini 3.1 Pro Preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1446,71Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1441,66 – 1451,76Posición en la fuente: 71	Configuración indicada en la fuente24.249 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1446,71Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1441,66 – 1451,76Posición en la fuente: 71	Configuración indicada en la fuente24.249 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1489,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,89 – 1501,41Posición en la fuente: 60	Configuración indicada en la fuente2613 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1438,27Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1432,66 – 1443,88Posición en la fuente: 71	Configuración indicada en la fuente18.309 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1487,3Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,32 – 1490,29Posición en la fuente: 17	Configuración indicada en la fuente124.675 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1528,45Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1521,09 – 1535,81Posición en la fuente: 21	Configuración indicada en la fuente8526 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1522,17Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1517,56 – 1526,78Posición en la fuente: 32	Configuración indicada en la fuente34.338 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1480,76Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1475,38 – 1486,15Posición en la fuente: 11	Configuración indicada en la fuente22.975 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1490,25Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1486,28 – 1494,22Posición en la fuente: 21	Configuración indicada en la fuente54.965 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1502,02Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1497,99 – 1506,05Posición en la fuente: 15	Configuración indicada en la fuente93.737 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1509,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1503,56 – 1516,16Posición en la fuente: 29	Configuración indicada en la fuente12.954 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1501,19Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1489,75 – 1512,63Posición en la fuente: 25	Configuración indicada en la fuente4058 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1493,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1479,29 – 1508,44Posición en la fuente: 15	Configuración indicada en la fuente2071 comparaciones Identidad y recursos gemini-3.1-pro-preview 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 →