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 Vision · control de estilocaptioning · Bradley-TerryPreferencia / señales de usuarios	1279,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1231,11 – 1327,09Posición en la fuente: 1	Configuración indicada en la fuente136 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1339,27Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1325,63 – 1352,92Posición en la fuente: 13	Configuración indicada en la fuente3100 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1300,61Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1289,12 – 1312,1Posición en la fuente: 4	Configuración indicada en la fuente3120 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1308,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1301,46 – 1315,57Posición en la fuente: 26	Configuración indicada en la fuente12.043 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1271,25Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1264,05 – 1278,45Posición en la fuente: 34	Configuración indicada en la fuente17.931 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Vision · control de estiloentity_recognition · Bradley-TerryPreferencia / señales de usuarios	1284,89Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1255,46 – 1314,31Posición en la fuente: 3	Configuración indicada en la fuente379 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1310,81Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1302,14 – 1319,47Posición en la fuente: 24	Configuración indicada en la fuente6074 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Vision · control de estilohumor · Bradley-TerryPreferencia / señales de usuarios	1301,02Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1286,47 – 1315,57Posición en la fuente: 4	Configuración indicada en la fuente1814 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.1-pro-preview	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1293,45Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1288,36 – 1298,54Posición en la fuente: 25	Configuración indicada en la fuente31.673 comparaciones Identidad y recursos gemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1284,42Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1277,34 – 1291,49Posición en la fuente: 19	medium12.467 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1284,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1277,02 – 1291,28Posición en la fuente: 21	high12.336 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1349,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1325,79 – 1372,61Posición en la fuente: 7	high781 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1345,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1322,6 – 1368,86Posición en la fuente: 11	medium741 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1286,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1266,68 – 1306,82Posición en la fuente: 14	medium982 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1266,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1246,66 – 1286,02Posición en la fuente: 26	high1039 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1314,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1303,63 – 1326,09Posición en la fuente: 17	medium3210 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1309,72Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1298,36 – 1321,08Posición en la fuente: 24	high3167 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1278,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1267,59 – 1288,53Posición en la fuente: 23	high4488 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1277,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1267,07 – 1287,92Posición en la fuente: 25	medium4477 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1317,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1300,31 – 1333,72Posición en la fuente: 20	medium1296 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1305,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1289,76 – 1321,99Posición en la fuente: 28	high1414 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Vision · control de estilohumor · Bradley-TerryPreferencia / señales de usuarios	1296,21Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1267,96 – 1324,46Posición en la fuente: 5	medium487 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Vision · control de estilohumor · Bradley-TerryPreferencia / señales de usuarios	1284,95Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1257,39 – 1312,52Posición en la fuente: 13	high505 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1298,84Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1291,38 – 1306,31Posición en la fuente: 18	medium8599 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1293,09Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1285,65 – 1300,53Posición en la fuente: 27	high8557 comparaciones Identidad y recursos gemini-3.5-flash-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 →