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
mistral-large-3	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1426,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1419,6 – 1434,15Posición en la fuente: 149	Configuración indicada en la fuente7798 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1431,28Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1417,32 – 1445,24Posición en la fuente: 123	Configuración indicada en la fuente2313 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1408,48Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1391,13 – 1425,84Posición en la fuente: 122	Configuración indicada en la fuente1334 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1431,76Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1428,18 – 1435,34Posición en la fuente: 146	Configuración indicada en la fuente49.873 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1439,42Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1434,6 – 1444,24Posición en la fuente: 142	Configuración indicada en la fuente20.744 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1409,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1404,54 – 1415,35Posición en la fuente: 143	Configuración indicada en la fuente15.256 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1371,84Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1366,67 – 1377,02Posición en la fuente: 155	Configuración indicada en la fuente17.955 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1420,97Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1412,97 – 1428,97Posición en la fuente: 142	Configuración indicada en la fuente6232 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1428,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1422,5 – 1433,72Posición en la fuente: 148	Configuración indicada en la fuente13.386 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1413,05Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1403,56 – 1422,54Posición en la fuente: 149	Configuración indicada en la fuente4320 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1430,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1422,35 – 1439,11Posición en la fuente: 151	Configuración indicada en la fuente5748 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1455,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1451,77 – 1460,11Posición en la fuente: 127	Configuración indicada en la fuente30.543 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1388,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1384 – 1393,76Posición en la fuente: 144	Configuración indicada en la fuente20.384 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1401,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1396,9 – 1405,71Posición en la fuente: 143	Configuración indicada en la fuente26.324 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1377,63Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1356,21 – 1399,05Posición en la fuente: 105	Configuración indicada en la fuente892 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1358,18Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1340,86 – 1375,51Posición en la fuente: 123	Configuración indicada en la fuente1393 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1417,23Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1412,89 – 1421,57Posición en la fuente: 148	Configuración indicada en la fuente31.005 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1400,3Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1391,37 – 1409,24Posición en la fuente: 161	Configuración indicada en la fuente4674 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1419,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1413,89 – 1425,16Posición en la fuente: 134	Configuración indicada en la fuente13.727 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1397,53Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1394 – 1401,06Posición en la fuente: 143	Configuración indicada en la fuente47.786 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios	1414,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1400,64 – 1428,7Posición en la fuente: 111	Configuración indicada en la fuente1826 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1407,76Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1401,41 – 1414,11Posición en la fuente: 134	Configuración indicada en la fuente9811 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1407,92Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1394,88 – 1420,96Posición en la fuente: 133	Configuración indicada en la fuente2449 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios	-0,0656IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: -0,0951 – -0,0361Posición en la fuente: 43	Configuración indicada en la fuente271.865 observaciones5078 sesiones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1541,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1524,91 – 1557,77Posición en la fuente: 42	Configuración indicada en la fuente1478 comparaciones Identidad y recursos mistral-large-4 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 →