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-3.7-flash-high	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1518,27Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1506,91 – 1529,64Posición en la fuente: 2	high2965 comparaciones Identidad y recursos gemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.7-flash-high	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1497,59Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1475,17 – 1520,01Posición en la fuente: 5	high740 comparaciones Identidad y recursos gemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
Gemini 3.8 Flash (High)	Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios	0,0275IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: 0,0182 – 0,0368Posición en la fuente: 22	high4.642.266 observaciones35.983 sesiones Identidad y recursos Gemini 3.8 Flash (High) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1583,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1575,72 – 1591,2Posición en la fuente: 31	high9225 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1583,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1575,72 – 1591,2Posición en la fuente: 31	high9225 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1622,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1604,16 – 1640,46Posición en la fuente: 21	high1348 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1575,56Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1566,4 – 1584,72Posición en la fuente: 35	high5884 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1496,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1491,76 – 1501,25Posición en la fuente: 8	high31.437 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1538,72Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1526,3 – 1551,14Posición en la fuente: 12	high2513 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1530,25Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1522,79 – 1537,7Posición en la fuente: 21	high8355 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1486,97Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1478,54 – 1495,39Posición en la fuente: 7	high6851 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1499,65Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1493,06 – 1506,24Posición en la fuente: 9	high12.407 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1514,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1508,19 – 1521,14Posición en la fuente: 8	high23.209 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1523,24Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1513,04 – 1533,44Posición en la fuente: 17	high3784 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1503,79Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1483,35 – 1524,23Posición en la fuente: 23	high984 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1487,19Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1461,34 – 1513,03Posición en la fuente: 23	high501 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1517,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1511,36 – 1522,95Posición en la fuente: 9	high20.342 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1513,92Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1506,39 – 1521,46Posición en la fuente: 15	high7987 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1479,9Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1471,45 – 1488,35Posición en la fuente: 27	high5832 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1476,47Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,64 – 1484,3Posición en la fuente: 8	high8243 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1492,6Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1480,82 – 1504,37Posición en la fuente: 24	high2846 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1519,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1510,59 – 1528,4Posición en la fuente: 6	high5190 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1513,33Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1499,08 – 1527,58Posición en la fuente: 11	high1849 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1509,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1495,75 – 1522,45Posición en la fuente: 11	high2243 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1518,14Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1511,51 – 1524,78Posición en la fuente: 21	high12.024 comparaciones Identidad y recursos gemini-3.8-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 →