Corte guardado
Datos consultables, no llamadas a modelos.
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: .
Explorador de evidencias
Filtra la tarea antes de leer la cifra.
Para consultar Arena, selecciona «Preferencia / uso» o «Todos los tipos» en el filtro de evidencia. Sus votos no son una prueba técnica de aciertos.
| Versión evaluada | Fuente y tarea | Resultado publicado | Configuración, muestra y recursos | Fecha y trazabilidad |
|---|---|---|---|---|
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios | 1516,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1508,69 – 1524,72Posición en la fuente: 41 | high6718 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios | 1492,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1483,1 – 1501,54Posición en la fuente: 5 | high5338 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios | 1484,04Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1477,16 – 1490,91Posición en la fuente: 30 | high9720 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios | 1501,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1494,38 – 1507,81Posición en la fuente: 19 | high18.028 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios | 1510,83Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1499,2 – 1522,45Posición en la fuente: 27 | high2797 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios | 1511,43Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1488,14 – 1534,72Posición en la fuente: 10 | high716 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios | 1494,49Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1463,25 – 1525,73Posición en la fuente: 14 | high354 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1506,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1500,15 – 1511,98Posición en la fuente: 21 | high15.835 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios | 1496,82Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1488,65 – 1504,99Posición en la fuente: 39 | high6369 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios | 1483,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1474,07 – 1493,09Posición en la fuente: 24 | high4402 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios | 1480,13Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1471,61 – 1488,65Posición en la fuente: 6 | high6408 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios | 1491,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1477,98 – 1505,35Posición en la fuente: 25 | high2052 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios | 1512,66Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1502,87 – 1522,45Posición en la fuente: 14 | high4027 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios | 1497,48Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,87 – 1513,08Posición en la fuente: 24 | high1494 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios | 1500,16Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1485,15 – 1515,17Posición en la fuente: 18 | high1720 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios | 1509,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1502,39 – 1516,3Posición en la fuente: 36 | high9379 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios | 1494,38Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1486,13 – 1502,62Posición en la fuente: 6 | high6717 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios | 1483,78Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,43 – 1491,13Posición en la fuente: 17 | high8696 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios | 1512,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1480,88 – 1544,46Posición en la fuente: 3 | high392 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios | 1479,82Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1450,68 – 1508,96Posición en la fuente: 6 | high456 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios | 1498,66Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1491,84 – 1505,47Posición en la fuente: 17 | high11.315 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1502,65Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1485,77 – 1519,53Posición en la fuente: 11 | high1250 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios | 1491,93Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,49 – 1502,36Posición en la fuente: 20 | high3679 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios | 1483,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1477,64 – 1489,75Posición en la fuente: 12 | high14.448 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios | 1501,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1471,34 – 1532,13Posición en la fuente: 9 | high379 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
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.
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 ↗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 ↗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 ↗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 ↗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 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.
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 →