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
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1489,04Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1483,22 – 1494,87Posición en la fuente: 23	xhigh15.554 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1500,9Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1495,2 – 1506,6Posición en la fuente: 20	xhigh28.933 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1532,63Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1523,06 – 1542,2Posición en la fuente: 12	xhigh4342 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1510,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1492,18 – 1529,27Posición en la fuente: 13	xhigh1190 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1505,25Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,02 – 1529,48Posición en la fuente: 7	xhigh609 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1511,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1506,62 – 1516,87Posición en la fuente: 15	xhigh25.135 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1509,12Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1502,3 – 1515,94Posición en la fuente: 20	xhigh10.124 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1486,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1478,41 – 1493,98Posición en la fuente: 15	xhigh7178 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1471,51Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1464,31 – 1478,7Posición en la fuente: 11	xhigh9767 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1497,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1486,07 – 1508,13Posición en la fuente: 17	xhigh3267 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1490,13Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,99 – 1498,28Posición en la fuente: 37	xhigh6266 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1513Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1499,7 – 1526,3Posición en la fuente: 12	xhigh2143 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1479,17Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1467,19 – 1491,15Posición en la fuente: 58	xhigh2797 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1523,89Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1517,94 – 1529,85Posición en la fuente: 15	xhigh15.012 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1481,25Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1474,32 – 1488,18Posición en la fuente: 11	xhigh10.413 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1490,41Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,17 – 1496,64Posición en la fuente: 12	xhigh13.489 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1495,23Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,69 – 1521,77Posición en la fuente: 12	xhigh586 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1455,62Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1432,96 – 1478,28Posición en la fuente: 17	xhigh761 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1498,57Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1492,71 – 1504,42Posición en la fuente: 18	xhigh17.820 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1496,02Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1482,2 – 1509,84Posición en la fuente: 20	xhigh1836 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1488,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1479,97 – 1496,43Posición en la fuente: 21	xhigh6299 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1476,21Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1471,04 – 1481,39Posición en la fuente: 20	xhigh22.932 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios	1501,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,47 – 1525,73Posición en la fuente: 11	xhigh584 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1493,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,28 – 1503,05Posición en la fuente: 19	xhigh4508 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1463,98Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1445,51 – 1482,46Posición en la fuente: 46	xhigh1114 comparaciones Identidad y recursos gpt-5.6-sol-xhigh 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 →