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
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1484,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1471,87 – 1496,34Posición en la fuente: 23	max2409 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1476,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1465,16 – 1487,47Posición en la fuente: 9	max3282 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1492,98Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1474,3 – 1511,66Posición en la fuente: 23	max1079 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1518,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1505,93 – 1531,96Posición en la fuente: 8	max2173 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1526,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1504,82 – 1548,58Posición en la fuente: 5	max750 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1524,08Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1504,88 – 1543,29Posición en la fuente: 2	max1030 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1528,9Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1519,46 – 1538,34Posición en la fuente: 10	max4330 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1491,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,18 – 1502,16Posición en la fuente: 7	max3692 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1498,16Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1488,05 – 1508,28Posición en la fuente: 7	max3900 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1534,24Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1491,71 – 1576,77Posición en la fuente: 1	max232 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1514,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1471,19 – 1557,02Posición en la fuente: 1	max203 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1508,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1499,97 – 1517,75Posición en la fuente: 8	max5393 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1522,38Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1499,28 – 1545,48Posición en la fuente: 3	max626 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1484,92Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1470,33 – 1499,51Posición en la fuente: 28	max1717 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1494,29Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1486,9 – 1501,68Posición en la fuente: 3	max7751 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios	1509,93Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1469,55 – 1550,31Posición en la fuente: 1	max202 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1509,85Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1494,94 – 1524,76Posición en la fuente: 6	max1701 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1495,21Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1467,6 – 1522,81Posición en la fuente: 6	max430 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-haiku-4-5-20251001	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1329,68Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1324,77 – 1334,58Posición en la fuente: 117	Configuración indicada en la fuente29.113 comparaciones Identidad y recursos claude-haiku-4-5-20251001 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-haiku-4-5-20251001	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1329,68Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1324,77 – 1334,58Posición en la fuente: 117	Configuración indicada en la fuente29.113 comparaciones Identidad y recursos claude-haiku-4-5-20251001 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-haiku-4-5-20251001	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1317,16Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1307,94 – 1326,39Posición en la fuente: 118	Configuración indicada en la fuente10.652 comparaciones Identidad y recursos claude-haiku-4-5-20251001 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-haiku-4-5-20251001	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1325,83Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1319,88 – 1331,77Posición en la fuente: 110	Configuración indicada en la fuente16.044 comparaciones Identidad y recursos claude-haiku-4-5-20251001 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-haiku-4-5-20251001	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1414,03Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1411,61 – 1416,45Posición en la fuente: 142	Configuración indicada en la fuente146.351 comparaciones Identidad y recursos claude-haiku-4-5-20251001 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-haiku-4-5-20251001	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1432,8Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1426,3 – 1439,31Posición en la fuente: 152	Configuración indicada en la fuente10.329 comparaciones Identidad y recursos claude-haiku-4-5-20251001 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-haiku-4-5-20251001	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1481,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1477,26 – 1485,36Posición en la fuente: 107	Configuración indicada en la fuente37.782 comparaciones Identidad y recursos claude-haiku-4-5-20251001 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 →