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-opus-4-8-high	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1474,9Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1469,08 – 1480,72Posición en la fuente: 18	high17.339 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1467,57Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1461,73 – 1473,41Posición en la fuente: 26	Configuración indicada en la fuente17.446 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1490,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1485,18 – 1495,81Posición en la fuente: 11	high22.729 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1478,26Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1472,93 – 1483,6Posición en la fuente: 21	Configuración indicada en la fuente23.318 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1458,78Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1437,12 – 1480,43Posición en la fuente: 32	Configuración indicada en la fuente888 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1457,79Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1435,92 – 1479,65Posición en la fuente: 33	high893 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1449,45Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1429,94 – 1468,97Posición en la fuente: 20	high1103 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1441,92Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1422,75 – 1461,09Posición en la fuente: 32	Configuración indicada en la fuente1083 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1502,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1497,55 – 1507,83Posición en la fuente: 13	high30.277 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1499,03Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1493,88 – 1504,17Posición en la fuente: 16	Configuración indicada en la fuente30.920 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1494,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1483,14 – 1505,48Posición en la fuente: 22	high2974 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1476,82Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1465,88 – 1487,76Posición en la fuente: 45	Configuración indicada en la fuente3096 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1496,97Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1490,27 – 1503,66Posición en la fuente: 13	high11.193 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1494,27Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1487,56 – 1500,97Posición en la fuente: 16	Configuración indicada en la fuente11.387 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1469,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1464,68 – 1473,97Posición en la fuente: 26	high36.138 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1463,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1459,08 – 1468,38Posición en la fuente: 34	Configuración indicada en la fuente36.507 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios	1486,02Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1467,66 – 1504,39Posición en la fuente: 21	high1072 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios	1484,21Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1466,58 – 1501,85Posición en la fuente: 25	Configuración indicada en la fuente1086 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1494,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1487,06 – 1502,44Posición en la fuente: 16	high7168 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1485,33Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1477,6 – 1493,07Posición en la fuente: 27	Configuración indicada en la fuente7114 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8-high	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1481,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1466,55 – 1496,13Posición en la fuente: 15	high1859 comparaciones Identidad y recursos claude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-4-8	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1467,29Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1452,77 – 1481,81Posición en la fuente: 36	Configuración indicada en la fuente1932 comparaciones Identidad y recursos claude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
Claude Opus 5 (Max)	Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios	0,0812IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: 0,0664 – 0,0959Posición en la fuente: 9	max3.034.726 observaciones22.818 sesiones Identidad y recursos Claude Opus 5 (Max) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
Claude Opus 5 (High)	Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios	0,0795IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: 0,0656 – 0,0934Posición en la fuente: 10	high3.564.909 observaciones27.553 sesiones Identidad y recursos Claude Opus 5 (High) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1691,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1684,93 – 1697,69Posición en la fuente: 7	max17.320 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 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 →