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
claude-fable-5-high	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1352,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1341,62 – 1363,05Posición en la fuente: 1	high3682 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 estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1305,23Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1295,26 – 1315,21Posición en la fuente: 1	high5541 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 estilohomework · Bradley-TerryPreferencia / señales de usuarios	1349,13Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1333,74 – 1364,53Posición en la fuente: 2	high1605 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 estilohumor · Bradley-TerryPreferencia / señales de usuarios	1324,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1298,81 – 1350,9Posición en la fuente: 1	high539 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 estiloocr · Bradley-TerryPreferencia / señales de usuarios	1326,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1318,37 – 1333,65Posición en la fuente: 1	high9815 comparaciones Identidad y recursos claude-fable-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1287,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1277,73 – 1297,65Posición en la fuente: 15	max4312 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1327,65Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1290,3 – 1365Posición en la fuente: 23	max238 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1287,08Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1256,75 – 1317,41Posición en la fuente: 13	max447 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1325,68Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1306,61 – 1344,75Posición en la fuente: 7	max1010 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1279,41Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1263,71 – 1295,1Posición en la fuente: 20	max1554 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1335,92Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1312,55 – 1359,3Posición en la fuente: 6	max638 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-fable-5.1-max	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1303,43Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1292,19 – 1314,67Posición en la fuente: 12	max2964 comparaciones Identidad y recursos claude-fable-5.1-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1286,36Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1279,84 – 1292,87Posición en la fuente: 17	high18.350 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1279,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1272,8 – 1285,91Posición en la fuente: 26	Configuración indicada en la fuente18.857 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1334,49Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1314,91 – 1354,07Posición en la fuente: 17	Configuración indicada en la fuente1131 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1330,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1310,43 – 1351,28Posición en la fuente: 19	high1019 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1289,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1272,48 – 1306,13Posición en la fuente: 10	high1393 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1278,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1261,91 – 1295,6Posición en la fuente: 19	Configuración indicada en la fuente1394 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1318,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1309,08 – 1328,25Posición en la fuente: 14	high4887 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1306,08Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1296,5 – 1315,65Posición en la fuente: 32	Configuración indicada en la fuente4930 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1281,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1272,25 – 1290,75Posición en la fuente: 17	Configuración indicada en la fuente7298 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1279,8Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1270,63 – 1288,98Posición en la fuente: 19	high7224 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1332,39Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1318,85 – 1345,92Posición en la fuente: 9	high2081 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1320,56Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1307,58 – 1333,54Posición en la fuente: 17	Configuración indicada en la fuente2251 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Vision · control de estilohumor · Bradley-TerryPreferencia / señales de usuarios	1267,4Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1244,71 – 1290,09Posición en la fuente: 18	high738 comparaciones Identidad y recursos claude-opus-4-8-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 →