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-sonnet-5-high	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1448,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1443,68 – 1453,47Posición en la fuente: 56	high27.477 comparaciones Identidad y recursos claude-sonnet-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5-high	Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios	1441,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1418,4 – 1463,91Posición en la fuente: 84	high674 comparaciones Identidad y recursos claude-sonnet-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5-high	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1470,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1461,7 – 1478,98Posición en la fuente: 44	high5393 comparaciones Identidad y recursos claude-sonnet-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5-high	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1450,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1433,62 – 1467,48Posición en la fuente: 69	high1335 comparaciones Identidad y recursos claude-sonnet-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
Claude Sonnet 5.5 (Max)	Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios	0,1195IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: 0,0864 – 0,1527Posición en la fuente: 4	max712.588 observaciones6780 sesiones Identidad y recursos Claude Sonnet 5.5 (Max) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1774,29Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1759,33 – 1789,24Posición en la fuente: 3	xhigh2323 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-high	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1714,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1703,92 – 1725,85Posición en la fuente: 6	high3984 comparaciones Identidad y recursos claude-sonnet-5.5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1774,29Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1759,33 – 1789,24Posición en la fuente: 3	xhigh2323 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-high	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1714,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1703,92 – 1725,85Posición en la fuente: 6	high3984 comparaciones Identidad y recursos claude-sonnet-5.5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1739,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1699,21 – 1778,99Posición en la fuente: 4	xhigh364 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-high	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1709,12Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1682,03 – 1736,22Posición en la fuente: 5	high634 comparaciones Identidad y recursos claude-sonnet-5.5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1824,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1805,21 – 1843,1Posición en la fuente: 2	xhigh1469 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-high	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1748,78Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1735,07 – 1762,49Posición en la fuente: 6	high2574 comparaciones Identidad y recursos claude-sonnet-5.5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1475,79Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1466,97 – 1484,62Posición en la fuente: 32	xhigh4838 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1529,02Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1499,54 – 1558,5Posición en la fuente: 20	xhigh391 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1531,81Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1514,61 – 1549,01Posición en la fuente: 18	xhigh1176 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1463,03Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1444,13 – 1481,92Posición en la fuente: 24	xhigh1079 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1495,23Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,46 – 1509Posición en la fuente: 13	xhigh1866 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1484,8Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1472,69 – 1496,91Posición en la fuente: 35	xhigh3535 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1545,97Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1520,26 – 1571,68Posición en la fuente: 3	xhigh512 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1506,84Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1495,91 – 1517,76Posición en la fuente: 19	xhigh3023 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1517,78Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1500,49 – 1535,06Posición en la fuente: 9	xhigh1176 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1471,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1451,47 – 1491,68Posición en la fuente: 39	xhigh836 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1460,32Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1442,85 – 1477,79Posición en la fuente: 18	xhigh1212 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-sonnet-5.5-xhigh	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1495,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1467,27 – 1522,85Posición en la fuente: 22	xhigh440 comparaciones Identidad y recursos claude-sonnet-5.5-xhigh 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 →