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-4	Arena ↗Arena Codewebdev · 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 ↗
mistral-large-4	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1479,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1429,12 – 1529,8Posición en la fuente: 64	Configuración indicada en la fuente183 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1554,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1533,2 – 1574,94Posición en la fuente: 39	Configuración indicada en la fuente953 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1429,26Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1419,98 – 1438,54Posición en la fuente: 115	Configuración indicada en la fuente4179 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1487,85Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1458,73 – 1516,97Posición en la fuente: 80	Configuración indicada en la fuente388 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1492,37Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,09 – 1511,65Posición en la fuente: 87	Configuración indicada en la fuente922 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1366,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1346,86 – 1387,02Posición en la fuente: 157	Configuración indicada en la fuente933 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1438,48Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1424,1 – 1452,86Posición en la fuente: 118	Configuración indicada en la fuente1651 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1418,61Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1405,56 – 1431,67Posición en la fuente: 118	Configuración indicada en la fuente2997 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1453,41Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1425,32 – 1481,5Posición en la fuente: 108	Configuración indicada en la fuente412 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1453,39Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1441,62 – 1465,16Posición en la fuente: 109	Configuración indicada en la fuente2528 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1453,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1435,52 – 1472,24Posición en la fuente: 119	Configuración indicada en la fuente1031 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1430,45Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1408,68 – 1452,22Posición en la fuente: 113	Configuración indicada en la fuente715 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1371,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1352,77 – 1390,26Posición en la fuente: 156	Configuración indicada en la fuente1071 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1423,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1391,53 – 1454,49Posición en la fuente: 138	Configuración indicada en la fuente333 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1453,61Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1431,38 – 1475,83Posición en la fuente: 103	Configuración indicada en la fuente673 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1462,64Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1425,15 – 1500,13Posición en la fuente: 67	Configuración indicada en la fuente217 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1433,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1399,34 – 1467,99Posición en la fuente: 140	Configuración indicada en la fuente292 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1478,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1463,55 – 1493,83Posición en la fuente: 95	Configuración indicada en la fuente1448 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1391,65Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1374,23 – 1409,06Posición en la fuente: 142	Configuración indicada en la fuente1177 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1426,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1410,88 – 1441,82Posición en la fuente: 101	Configuración indicada en la fuente1420 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1435,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1420,75 – 1449,48Posición en la fuente: 118	Configuración indicada en la fuente1694 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1486,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1448,25 – 1524,74Posición en la fuente: 30	Configuración indicada en la fuente220 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1425,41Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1400,11 – 1450,71Posición en la fuente: 124	Configuración indicada en la fuente562 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-4	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1415,62Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1403,78 – 1427,46Posición en la fuente: 110	Configuración indicada en la fuente2499 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 →