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-medium	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1481,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,96 – 1494,43Posición en la fuente: 37	medium2235 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 estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1480,16Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1472,76 – 1487,55Posición en la fuente: 41	high8086 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 estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1477,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1469,89 – 1485,2Posición en la fuente: 46	medium7651 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 estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1469,04Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1464,31 – 1473,78Posición en la fuente: 27	high27.943 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 estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1466,72Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1461,78 – 1471,67Posición en la fuente: 30	medium27.263 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 estilopolish · Bradley-TerryPreferencia / señales de usuarios	1507,65Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1485,87 – 1529,42Posición en la fuente: 3	high788 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 estilopolish · Bradley-TerryPreferencia / señales de usuarios	1496,45Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,42 – 1519,48Posición en la fuente: 13	medium672 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 estilorussian · Bradley-TerryPreferencia / señales de usuarios	1490,6Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,99 – 1499,2Posición en la fuente: 22	high5478 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 estilorussian · Bradley-TerryPreferencia / señales de usuarios	1490,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,74 – 1499,19Posición en la fuente: 23	medium5410 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 estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1471,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1455,06 – 1488,43Posición en la fuente: 29	high1417 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 estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1467,61Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1450,37 – 1484,86Posición en la fuente: 35	medium1300 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1439,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1399,18 – 1480,19Posición en la fuente: 73	Configuración indicada en la fuente242 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1439,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1399,18 – 1480,19Posición en la fuente: 73	Configuración indicada en la fuente242 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1417,14Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1365,23 – 1469,05Posición en la fuente: 80	Configuración indicada en la fuente151 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1455,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1450,63 – 1459,58Posición en la fuente: 70	Configuración indicada en la fuente35.892 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1485,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,26 – 1497,13Posición en la fuente: 84	Configuración indicada en la fuente2782 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1501,71Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1494,78 – 1508,63Posición en la fuente: 73	Configuración indicada en la fuente9923 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1436,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1428,21 – 1444,19Posición en la fuente: 62	Configuración indicada en la fuente7505 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1461,4Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1455,4 – 1467,39Posición en la fuente: 76	Configuración indicada en la fuente14.617 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1459,05Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1453,18 – 1464,92Posición en la fuente: 68	Configuración indicada en la fuente26.912 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1471,14Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1461,39 – 1480,9Posición en la fuente: 85	Configuración indicada en la fuente4188 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1480,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1461,21 – 1499,2Posición en la fuente: 59	Configuración indicada en la fuente1104 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1471,02Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1447,78 – 1494,27Posición en la fuente: 43	Configuración indicada en la fuente650 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1474,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1469,43 – 1479,95Posición en la fuente: 75	Configuración indicada en la fuente23.826 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1476,18Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1469,18 – 1483,18Posición en la fuente: 80	Configuración indicada en la fuente9634 comparaciones Identidad y recursos gemini-3.5-flash-lite 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 →