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-medium-3.5	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1421,37Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1411,4 – 1431,35Posición en la fuente: 109	Configuración indicada en la fuente3846 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 estilokorean · Bradley-TerryPreferencia / señales de usuarios	1389,8Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1346,44 – 1433,16Posición en la fuente: 86	Configuración indicada en la fuente189 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 estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1428,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1419,87 – 1438,02Posición en la fuente: 131	Configuración indicada en la fuente5119 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 estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1427,61Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1403,51 – 1451,7Posición en la fuente: 111	Configuración indicada en la fuente565 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 estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1432,42Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1418,4 – 1446,44Posición en la fuente: 113	Configuración indicada en la fuente1921 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 estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1405,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1397,39 – 1413,7Posición en la fuente: 128	Configuración indicada en la fuente6146 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 estilopolish · Bradley-TerryPreferencia / señales de usuarios	1420,59Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1382,49 – 1458,69Posición en la fuente: 103	Configuración indicada en la fuente235 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 estilorussian · Bradley-TerryPreferencia / señales de usuarios	1409,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1392,39 – 1426,66Posición en la fuente: 131	Configuración indicada en la fuente1246 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 estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1394,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1362,59 – 1426,11Posición en la fuente: 154	Configuración indicada en la fuente389 comparaciones Identidad y recursos mistral-medium-3.5 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3.8-max-0902	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1673,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1665,98 – 1681,02Posición en la fuente: 10	Configuración indicada en la fuente11.182 comparaciones Identidad y recursos qwen3.8-max-0902 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3.8-max-0902	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1673,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1665,98 – 1681,02Posición en la fuente: 10	Configuración indicada en la fuente11.182 comparaciones Identidad y recursos qwen3.8-max-0902 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3.8-max-0902	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1648,83Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1633,14 – 1664,52Posición en la fuente: 12	Configuración indicada en la fuente1929 comparaciones Identidad y recursos qwen3.8-max-0902 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3.8-max-0902	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1690,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1681,65 – 1699,7Posición en la fuente: 9	Configuración indicada en la fuente7027 comparaciones Identidad y recursos qwen3.8-max-0902 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1274,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1266,95 – 1282,44Posición en la fuente: 123	Configuración indicada en la fuente12.719 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1274,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1266,95 – 1282,44Posición en la fuente: 123	Configuración indicada en la fuente12.719 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1287,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1276,28 – 1298,4Posición en la fuente: 124	Configuración indicada en la fuente8579 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1257,8Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1246,72 – 1268,89Posición en la fuente: 115	Configuración indicada en la fuente4134 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1387,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1382,54 – 1392,49Posición en la fuente: 178	Configuración indicada en la fuente25.197 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1405,84Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1391,35 – 1420,32Posición en la fuente: 178	Configuración indicada en la fuente1790 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1456,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1447,86 – 1465,87Posición en la fuente: 146	Configuración indicada en la fuente4809 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1362,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1351,74 – 1373,17Posición en la fuente: 165	Configuración indicada en la fuente3238 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1396,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1389,64 – 1402,57Posición en la fuente: 184	Configuración indicada en la fuente10.982 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1363,79Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1357 – 1370,58Posición en la fuente: 179	Configuración indicada en la fuente17.973 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1380,13Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1363,82 – 1396,45Posición en la fuente: 199	Configuración indicada en la fuente1351 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1429,97Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1400,47 – 1459,47Posición en la fuente: 126	Configuración indicada en la fuente449 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct 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 →