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
gpt-5.6-luna-xhigh	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1296,12Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1277,24 – 1314,99Posición en la fuente: 36	xhigh1056 comparaciones Identidad y recursos gpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-luna-xhigh	Arena ↗Arena Vision · control de estilohumor · Bradley-TerryPreferencia / señales de usuarios	1194,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1166,17 – 1223,59Posición en la fuente: 64	xhigh456 comparaciones Identidad y recursos gpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-luna-xhigh	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1269,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1261 – 1277,22Posición en la fuente: 46	xhigh7056 comparaciones Identidad y recursos gpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1284,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1277,11 – 1292,23Posición en la fuente: 18	xhigh10.421 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1300,26Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1275,17 – 1325,34Posición en la fuente: 39	xhigh626 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1287,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1267,04 – 1308,06Posición en la fuente: 12	xhigh946 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1315,83Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1303,47 – 1328,2Posición en la fuente: 16	xhigh2577 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1282,26Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1270,94 – 1293,59Posición en la fuente: 14	xhigh3525 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1317,76Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1299,36 – 1336,16Posición en la fuente: 19	xhigh1057 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Vision · control de estilohumor · Bradley-TerryPreferencia / señales de usuarios	1253,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1226,73 – 1280,19Posición en la fuente: 33	xhigh512 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-sol-xhigh	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1295,66Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1287,58 – 1303,75Posición en la fuente: 24	xhigh7011 comparaciones Identidad y recursos gpt-5.6-sol-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-terra-xhigh	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1268,21Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1260,6 – 1275,83Posición en la fuente: 36	xhigh10.292 comparaciones Identidad y recursos gpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-terra-xhigh	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1314,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1290,1 – 1339,78Posición en la fuente: 28	xhigh613 comparaciones Identidad y recursos gpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-terra-xhigh	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1256,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1235,02 – 1278,43Posición en la fuente: 36	xhigh846 comparaciones Identidad y recursos gpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-terra-xhigh	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1300,26Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1288,14 – 1312,39Posición en la fuente: 35	xhigh2684 comparaciones Identidad y recursos gpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-terra-xhigh	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1269,89Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1258,5 – 1281,27Posición en la fuente: 35	xhigh3498 comparaciones Identidad y recursos gpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-terra-xhigh	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1325,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1307,29 – 1343,7Posición en la fuente: 14	xhigh1078 comparaciones Identidad y recursos gpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-terra-xhigh	Arena ↗Arena Vision · control de estilohumor · Bradley-TerryPreferencia / señales de usuarios	1233,04Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1204,68 – 1261,4Posición en la fuente: 45	xhigh457 comparaciones Identidad y recursos gpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-terra-xhigh	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1277,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1269,58 – 1285,79Posición en la fuente: 40	xhigh7039 comparaciones Identidad y recursos gpt-5.6-terra-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-6.1-sol-max	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1290,61Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1274,58 – 1306,64Posición en la fuente: 10	max1408 comparaciones Identidad y recursos gpt-6.1-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-6.1-sol-max	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1307,84Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1273,28 – 1342,4Posición en la fuente: 28	max299 comparaciones Identidad y recursos gpt-6.1-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-6.1-sol-max	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1293,93Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1266,44 – 1321,41Posición en la fuente: 7	max460 comparaciones Identidad y recursos gpt-6.1-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-6.1-sol-max	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1361,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1319,71 – 1402,49Posición en la fuente: 1	max214 comparaciones Identidad y recursos gpt-6.1-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-6.1-sol-max	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1296,43Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1277,9 – 1314,95Posición en la fuente: 22	max1019 comparaciones Identidad y recursos gpt-6.1-sol-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1284,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1273,02 – 1295,68Posición en la fuente: 20	max3175 comparaciones Identidad y recursos gpt-6-astra-max 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 →