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
qwen3-coder-480b-a35b-instruct	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1353,03Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1327,75 – 1378,31Posición en la fuente: 177	Configuración indicada en la fuente591 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 estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1413,66Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1407,25 – 1420,07Posición en la fuente: 171	Configuración indicada en la fuente11.536 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 estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1424,78Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1416,05 – 1433,51Posición en la fuente: 164	Configuración indicada en la fuente5145 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 estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1390,41Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1380,9 – 1399,92Posición en la fuente: 171	Configuración indicada en la fuente4380 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 estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1353,3Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1344,23 – 1362,36Posición en la fuente: 171	Configuración indicada en la fuente4499 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 estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1399,62Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1384,28 – 1414,95Posición en la fuente: 168	Configuración indicada en la fuente1558 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 estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1394,87Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1385,14 – 1404,6Posición en la fuente: 188	Configuración indicada en la fuente4027 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 estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1380,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1365,12 – 1396,34Posición en la fuente: 188	Configuración indicada en la fuente1444 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 estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1409,49Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1393,36 – 1425,61Posición en la fuente: 172	Configuración indicada en la fuente1487 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 estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1436,09Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1428,92 – 1443,27Posición en la fuente: 159	Configuración indicada en la fuente8459 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 estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1366,83Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1358,37 – 1375,3Posición en la fuente: 174	Configuración indicada en la fuente5330 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 estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1383,22Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1375,32 – 1391,11Posición en la fuente: 168	Configuración indicada en la fuente6202 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 estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1326,54Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1306 – 1347,08Posición en la fuente: 147	Configuración indicada en la fuente922 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 estilokorean · Bradley-TerryPreferencia / señales de usuarios	1325,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1299,85 – 1350,79Posición en la fuente: 161	Configuración indicada en la fuente612 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 estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1408,04Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1399,34 – 1416,73Posición en la fuente: 157	Configuración indicada en la fuente4938 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 estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1375,57Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1360,8 – 1390,35Posición en la fuente: 190	Configuración indicada en la fuente1611 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 estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1397,08Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1387,49 – 1406,67Posición en la fuente: 166	Configuración indicada en la fuente4251 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 estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1371,44Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1365,42 – 1377,45Posición en la fuente: 173	Configuración indicada en la fuente14.203 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 estilopolish · Bradley-TerryPreferencia / señales de usuarios	1369,84Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1354,7 – 1384,99Posición en la fuente: 155	Configuración indicada en la fuente1618 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 estilorussian · Bradley-TerryPreferencia / señales de usuarios	1391,83Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1377,64 – 1406,03Posición en la fuente: 160	Configuración indicada en la fuente1691 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 estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1387,48Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1363,99 – 1410,96Posición en la fuente: 162	Configuración indicada en la fuente686 comparaciones Identidad y recursos qwen3-coder-480b-a35b-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1622,77Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1613,5 – 1632,04Posición en la fuente: 7	high5357 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1721,61Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1707,63 – 1735,58Posición en la fuente: 2	max2354 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1662,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1651,93 – 1672,76Posición en la fuente: 4	max4133 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5-high	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1539,09Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1531,21 – 1546,96Posición en la fuente: 25	high7506 comparaciones Identidad y recursos claude-sonnet-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗