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
gemini-3.1-pro-preview	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1507,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1504,31 – 1511,56Posición en la fuente: 17	Configuración indicada en la fuente81.091 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 estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1507,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1502,63 – 1511,77Posición en la fuente: 22	Configuración indicada en la fuente36.546 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 estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1478,65Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,59 – 1483,7Posición en la fuente: 28	Configuración indicada en la fuente24.228 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 estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1469,89Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1464,88 – 1474,9Posición en la fuente: 12	Configuración indicada en la fuente28.804 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 estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1499,87Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1492,99 – 1506,74Posición en la fuente: 14	Configuración indicada en la fuente10.259 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 estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1510,65Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1505,4 – 1515,9Posición en la fuente: 16	Configuración indicada en la fuente20.792 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 estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1484,99Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,97 – 1493Posición en la fuente: 43	Configuración indicada en la fuente6966 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 estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1505,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1497,87 – 1512,28Posición en la fuente: 15	Configuración indicada en la fuente9305 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 estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1513,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1509,23 – 1517,45Posición en la fuente: 27	Configuración indicada en la fuente49.083 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 estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1480,9Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,15 – 1485,65Posición en la fuente: 13	Configuración indicada en la fuente31.816 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 estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1480,22Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1475,91 – 1484,53Posición en la fuente: 20	Configuración indicada en la fuente42.594 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 estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1496,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1479,04 – 1514,34Posición en la fuente: 10	Configuración indicada en la fuente1477 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 estilokorean · Bradley-TerryPreferencia / señales de usuarios	1454,74Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1440,28 – 1469,2Posición en la fuente: 18	Configuración indicada en la fuente2201 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 estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1499,83Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1495,61 – 1504,05Posición en la fuente: 15	Configuración indicada en la fuente55.079 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 estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1488,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1480,27 – 1496,34Posición en la fuente: 28	Configuración indicada en la fuente6482 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 estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1497,21Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1491,9 – 1502,52Posición en la fuente: 11	Configuración indicada en la fuente21.223 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 estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1479,47Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1475,8 – 1483,15Posición en la fuente: 16	Configuración indicada en la fuente69.701 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 estilopolish · Bradley-TerryPreferencia / señales de usuarios	1494,17Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,6 – 1506,75Posición en la fuente: 15	Configuración indicada en la fuente2386 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 estilorussian · Bradley-TerryPreferencia / señales de usuarios	1502,16Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1496,16 – 1508,16Posición en la fuente: 10	Configuración indicada en la fuente14.141 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 estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1481,87Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1471,07 – 1492,67Posición en la fuente: 13	Configuración indicada en la fuente3956 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1499,19Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1491,93 – 1506,46Posición en la fuente: 57	high9415 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1491,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,46 – 1497,77Posición en la fuente: 59	medium12.181 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1499,19Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1491,93 – 1506,46Posición en la fuente: 57	high9415 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1491,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,46 – 1497,77Posición en la fuente: 59	medium12.181 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1522,33Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1505,19 – 1539,48Posición en la fuente: 51	medium1339 comparaciones Identidad y recursos gemini-3.5-flash-medium 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 →