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.

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 →

Versión evaluada	Fuente y tarea	Resultado publicado	Configuración, muestra y recursos	Fecha y trazabilidad
gpt-6-sol-max	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1460,42Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1415,63 – 1505,21Posición en la fuente: 30	max181 comparaciones Identidad y recursos gpt-6-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-sol-max	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1422,04Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1374,89 – 1469,2Posición en la fuente: 53	max179 comparaciones Identidad y recursos gpt-6-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-sol-max	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1462,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1453,28 – 1472,59Posición en la fuente: 71	max4386 comparaciones Identidad y recursos gpt-6-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-sol-max	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1446,44Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1422,26 – 1470,63Posición en la fuente: 84	max591 comparaciones Identidad y recursos gpt-6-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-sol-max	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1467,27Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1452,16 – 1482,38Posición en la fuente: 64	max1617 comparaciones Identidad y recursos gpt-6-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-sol-max	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1444,24Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1436,21 – 1452,28Posición en la fuente: 66	max6376 comparaciones Identidad y recursos gpt-6-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-sol-max	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1457,71Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1441,82 – 1473,6Posición en la fuente: 61	max1408 comparaciones Identidad y recursos gpt-6-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-sol-max	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1445,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1415,29 – 1475,02Posición en la fuente: 77	max416 comparaciones Identidad y recursos gpt-6-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1326,97Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1322,69 – 1331,25Posición en la fuente: 247	Configuración indicada en la fuente39.453 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1333,91Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1321,68 – 1346,15Posición en la fuente: 245	Configuración indicada en la fuente2598 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1372,54Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1365,05 – 1380,03Posición en la fuente: 239	Configuración indicada en la fuente6941 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1307,36Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1298,78 – 1315,94Posición en la fuente: 224	Configuración indicada en la fuente5153 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1339,91Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1334,53 – 1345,28Posición en la fuente: 256	Configuración indicada en la fuente18.919 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1278,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1272,1 – 1284,19Posición en la fuente: 246	Configuración indicada en la fuente28.114 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1325,85Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1312,51 – 1339,19Posición en la fuente: 237	Configuración indicada en la fuente2017 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1298,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1273,2 – 1324,2Posición en la fuente: 237	Configuración indicada en la fuente596 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1331,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1312,03 – 1350,08Posición en la fuente: 187	Configuración indicada en la fuente1029 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1338,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1332,74 – 1344,18Posición en la fuente: 242	Configuración indicada en la fuente15.870 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1350,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1343,4 – 1358Posición en la fuente: 247	Configuración indicada en la fuente7693 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1317,28Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1309,15 – 1325,41Posición en la fuente: 250	Configuración indicada en la fuente6125 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1295,61Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1288,02 – 1303,19Posición en la fuente: 237	Configuración indicada en la fuente6929 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1340,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1328,72 – 1352,99Posición en la fuente: 237	Configuración indicada en la fuente2588 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1341,93Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1334,04 – 1349,83Posición en la fuente: 248	Configuración indicada en la fuente6717 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1318,64Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1307,06 – 1330,21Posición en la fuente: 241	Configuración indicada en la fuente2570 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1344,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1331,31 – 1357,8Posición en la fuente: 237	Configuración indicada en la fuente2294 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗