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
gemini-3.1-pro-preview	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1481,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,02 – 1490,43Posición en la fuente: 38	Configuración indicada en la fuente8211 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1504,45Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1492,76 – 1516,14Posición en la fuente: 35	medium2865 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1499,95Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1486,17 – 1513,73Posición en la fuente: 37	high2020 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1447,33Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1432,02 – 1462,64Posición en la fuente: 42	Configuración indicada en la fuente1600 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.7-flash-high	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1606,62Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1592,86 – 1620,38Posición en la fuente: 10	high1995 comparaciones Identidad y recursos gemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1592,79Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1578,37 – 1607,2Posición en la fuente: 14	high1834 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-nano-banana-2.1	Arena ↗Arena Text-to-ImageGeneral · Bradley-TerryPreferencia / señales de usuarios	1327,78Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1319,02 – 1336,55Posición en la fuente: 6	Configuración indicada en la fuente5310 comparaciones Identidad y recursos gemini-nano-banana-2.1 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-nano-banana-2.1	Arena ↗Arena Text-to-Image3d_modeling · Bradley-TerryPreferencia / señales de usuarios	1325,98Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1299,12 – 1352,84Posición en la fuente: 4	Configuración indicada en la fuente471 comparaciones Identidad y recursos gemini-nano-banana-2.1 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-nano-banana-2.1	Arena ↗Arena Text-to-Imageart · Bradley-TerryPreferencia / señales de usuarios	1276,64Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1256,75 – 1296,52Posición en la fuente: 9	Configuración indicada en la fuente842 comparaciones Identidad y recursos gemini-nano-banana-2.1 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-nano-banana-2.1	Arena ↗Arena Text-to-Imagecartoon · Bradley-TerryPreferencia / señales de usuarios	1325,79Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1311,48 – 1340,1Posición en la fuente: 6	Configuración indicada en la fuente1879 comparaciones Identidad y recursos gemini-nano-banana-2.1 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-nano-banana-2.1	Arena ↗Arena Text-to-Imagecommercial_design · Bradley-TerryPreferencia / señales de usuarios	1328,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1313,67 – 1343,04Posición en la fuente: 6	Configuración indicada en la fuente1681 comparaciones Identidad y recursos gemini-nano-banana-2.1 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-nano-banana-2.1	Arena ↗Arena Text-to-Imagephotorealistic · Bradley-TerryPreferencia / señales de usuarios	1338,53Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1324,45 – 1352,61Posición en la fuente: 4	Configuración indicada en la fuente2055 comparaciones Identidad y recursos gemini-nano-banana-2.1 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-nano-banana-2.1	Arena ↗Arena Text-to-Imageportraits · Bradley-TerryPreferencia / señales de usuarios	1337,41Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1318,06 – 1356,75Posición en la fuente: 6	Configuración indicada en la fuente1068 comparaciones Identidad y recursos gemini-nano-banana-2.1 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-nano-banana-2.1	Arena ↗Arena Text-to-Imagetext_rendering · Bradley-TerryPreferencia / señales de usuarios	1362,74Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1347,27 – 1378,21Posición en la fuente: 5	Configuración indicada en la fuente1598 comparaciones Identidad y recursos gemini-nano-banana-2.1 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1732,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1718,55 – 1745,68Posición en la fuente: 1	max2626 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-luna-max	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1569,77Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1557,18 – 1582,36Posición en la fuente: 19	max2514 comparaciones Identidad y recursos gpt-6-luna-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-sol-max	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1663,36Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1649,93 – 1676,79Posición en la fuente: 3	max2250 comparaciones Identidad y recursos gpt-6-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
mistral-large-3	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1361,45Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1344,11 – 1378,8Posición en la fuente: 53	Configuración indicada en la fuente1413 comparaciones Identidad y recursos mistral-large-3 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
qwen3.8-max-0902	Arena ↗Arena Codeimage_to_webdev · Bradley-TerryPreferencia / señales de usuarios	1637,82Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1619,47 – 1656,17Posición en la fuente: 6	Configuración indicada en la fuente1164 comparaciones Identidad y recursos qwen3.8-max-0902 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 7/10/2026Captura: 9/10/2026Metodología ↗
gemini-nano-banana-2.1	Arena ↗Arena Image EditGeneral · Bradley-TerryPreferencia / señales de usuarios	1428,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1422,33 – 1433,89Posición en la fuente: 6	Configuración indicada en la fuente12.985 comparaciones Identidad y recursos gemini-nano-banana-2.1 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 6/10/2026Captura: 9/10/2026Metodología ↗
gemini-nano-banana-2.1	Arena ↗Arena Image Editmulti_image_edit · Bradley-TerryPreferencia / señales de usuarios	1431,37Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1424,94 – 1437,8Posición en la fuente: 4	Configuración indicada en la fuente10.328 comparaciones Identidad y recursos gemini-nano-banana-2.1 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 6/10/2026Captura: 9/10/2026Metodología ↗
qwen/qwen3.8-max-0902	Terminal-Bench ↗Terminal-Bench 4.0 · agente + modeloAgentes en terminal · accuracyPrueba técnica de agente + modelo	26,97 %Porcentaje del evaluador · escala 0–100Un valor mayor es mejor en esta métricaIntervalo 95 %: 23,19 % – 30,75 %	claude-code 2.1.285 · razonamiento max330 intentos66 tareas × 5 intentos por tarea89 intentos correctos4635,67 US$ · coste registrado del lote completo52,09 US$ por intento correcto · lote / aciertosclaude-code 2.1.285Versión: 4.0 Identidad y recursos qwen/qwen3.8-max-0902 Tokens del lote: 2.957.967.711 Duración media por intento: 9953 s Intentos descalificados: 0 Dataset: sha256:39d9f44b40420cde8fdcc087579c0d72a7e14fa3656d603c3f0d22fb35e27732 El coste pertenece al experimento completo, incluidos fallos; no es una tarifa API actual ni el coste de esta categoría aislada. Revisión fuente: 2e29ca91d5f1cb6fb60924bf867acc755565c044	Archivo fechado 6/10/2026Captura: 16/10/2026Fecha del archivo de entrega, no de ejecución ni de lanzamiento.Metodología ↗
claude-fable-5-high	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1308,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1301,45 – 1316,05Posición en la fuente: 1	high13.709 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1355,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1331,78 – 1378,89Posición en la fuente: 4	high741 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5-high	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1319,04Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1299,8 – 1338,27Posición en la fuente: 2	high1041 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 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 →