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-3.5-flash-high	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1467,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1460,79 – 1474,62Posición en la fuente: 43	high9411 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 Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1462,29Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1455,19 – 1469,39Posición en la fuente: 54	medium9114 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 Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1457,04Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1450,36 – 1463,71Posición en la fuente: 23	medium12.070 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 Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1454,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1447,74 – 1460,89Posición en la fuente: 26	high11.934 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 Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1484,04Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,73 – 1494,34Posición en la fuente: 32	medium3852 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 Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1478,48Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,54 – 1488,43Posición en la fuente: 40	high4099 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 Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1495,77Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1488,32 – 1503,23Posición en la fuente: 28	medium7817 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 Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1490,87Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1483,61 – 1498,13Posición en la fuente: 34	high8017 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 Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1488,81Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,81 – 1500,82Posición en la fuente: 35	medium2708 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 Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1484,44Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1472,78 – 1496,1Posición en la fuente: 45	high2867 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 Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1487,33Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,45 – 1498,21Posición en la fuente: 37	medium3460 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 Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1484,27Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,56 – 1494,98Posición en la fuente: 46	high3565 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1501,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1496,15 – 1506,89Posición en la fuente: 54	high19.422 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 Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1496,61Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1491,05 – 1502,16Posición en la fuente: 62	medium18.907 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 Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1474,25Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1467,91 – 1480,58Posición en la fuente: 20	high12.698 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 Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1471,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1465,24 – 1478,16Posición en la fuente: 22	medium12.843 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 Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1465,68Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1459,93 – 1471,43Posición en la fuente: 41	medium17.103 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 Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1465,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1459,47 – 1470,66Posición en la fuente: 43	high17.447 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1478,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1453,94 – 1502,36Posición en la fuente: 19	high691 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 Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1459,79Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1434,75 – 1484,82Posición en la fuente: 31	medium683 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 Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1442,25Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1421 – 1463,5Posición en la fuente: 31	medium868 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 Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1435,82Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1416,13 – 1455,52Posición en la fuente: 34	high970 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1481,96Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,6 – 1487,32Posición en la fuente: 40	high22.849 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 Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1480,12Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1474,66 – 1485,58Posición en la fuente: 47	medium22.703 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 Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1497,09Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,69 – 1509,49Posición en la fuente: 18	high2390 comparaciones Identidad y recursos gemini-3.5-flash-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 →