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 Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1418,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1393 – 1443,3Posición en la fuente: 119	Configuración indicada en la fuente527 comparaciones Identidad y recursos mistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
Mistral Medium 3.5	Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios	-0,126IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: -0,1406 – -0,1115Posición en la fuente: 51	Configuración indicada en la fuente480.148 observaciones11.889 sesiones Identidad y recursos Mistral Medium 3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1263,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1248,75 – 1278,25Posición en la fuente: 125	Configuración indicada en la fuente2322 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1263,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1248,75 – 1278,25Posición en la fuente: 125	Configuración indicada en la fuente2322 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1309,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1268,28 – 1350,36Posición en la fuente: 119	Configuración indicada en la fuente260 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1253,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1237,17 – 1269,46Posición en la fuente: 116	Configuración indicada en la fuente1978 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1426,36Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1419,96 – 1432,76Posición en la fuente: 117	Configuración indicada en la fuente11.803 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1445,63Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1421,77 – 1469,5Posición en la fuente: 139	Configuración indicada en la fuente620 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1478,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1467,24 – 1488,88Posición en la fuente: 113	Configuración indicada en la fuente3297 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1399,98Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1386,25 – 1413,7Posición en la fuente: 110	Configuración indicada en la fuente2086 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1443,71Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1435,24 – 1452,19Posición en la fuente: 106	Configuración indicada en la fuente5657 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1419,98Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1411,54 – 1428,42Posición en la fuente: 115	Configuración indicada en la fuente8953 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1435,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1418,16 – 1452,48Posición en la fuente: 137	Configuración indicada en la fuente1209 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1436,08Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1406,26 – 1465,9Posición en la fuente: 119	Configuración indicada en la fuente454 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1445,14Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1401,56 – 1488,72Posición en la fuente: 80	Configuración indicada en la fuente175 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1445,08Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1437,4 – 1452,75Posición en la fuente: 123	Configuración indicada en la fuente7666 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1457,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1446,91 – 1467,1Posición en la fuente: 115	Configuración indicada en la fuente3856 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1430,38Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1417,56 – 1443,19Posición en la fuente: 114	Configuración indicada en la fuente2256 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1396,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1384,09 – 1408,12Posición en la fuente: 116	Configuración indicada en la fuente2701 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1440Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1419,28 – 1460,73Posición en la fuente: 109	Configuración indicada en la fuente894 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1436,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1422,23 – 1450,07Posición en la fuente: 131	Configuración indicada en la fuente1948 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1438,04Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1415,18 – 1460,91Posición en la fuente: 109	Configuración indicada en la fuente652 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1419,89Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1398,71 – 1441,06Posición en la fuente: 163	Configuración indicada en la fuente849 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1468,74Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1459,45 – 1478,02Posición en la fuente: 109	Configuración indicada en la fuente4598 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
mistral-medium-3.5	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1405,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1393,79 – 1416,36Posición en la fuente: 118	Configuración indicada en la fuente3004 comparaciones Identidad y recursos mistral-medium-3.5 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 →