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
deepseek-v4-flash	Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios	1437,27Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1418,54 – 1456Posición en la fuente: 87	Configuración indicada en la fuente1027 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1433,63Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1425,14 – 1442,12Posición en la fuente: 99	Configuración indicada en la fuente5765 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-flash	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1431,85Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1415,76 – 1447,94Posición en la fuente: 96	Configuración indicada en la fuente1579 comparaciones Identidad y recursos deepseek-v4-flash Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1446,72Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1440,4 – 1453,04Posición en la fuente: 70	Configuración indicada en la fuente14.019 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1446,72Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1440,4 – 1453,04Posición en la fuente: 70	Configuración indicada en la fuente14.019 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1434,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1418,42 – 1450,26Posición en la fuente: 78	Configuración indicada en la fuente1496 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1440,24Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1433,15 – 1447,32Posición en la fuente: 70	Configuración indicada en la fuente9665 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1457,83Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1453,93 – 1461,73Posición en la fuente: 62	Configuración indicada en la fuente57.657 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1487,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1477,01 – 1498,48Posición en la fuente: 81	Configuración indicada en la fuente3405 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1500,48Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1494,56 – 1506,41Posición en la fuente: 76	Configuración indicada en la fuente17.144 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1445,9Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1438,64 – 1453,16Posición en la fuente: 47	Configuración indicada en la fuente9774 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1467,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1462,23 – 1472,46Posición en la fuente: 64	Configuración indicada en la fuente25.311 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1461,65Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1456,52 – 1466,78Posición en la fuente: 62	Configuración indicada en la fuente43.649 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1480,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1471,66 – 1488,48Posición en la fuente: 74	Configuración indicada en la fuente5925 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1485,53Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1470,97 – 1500,1Posición en la fuente: 45	Configuración indicada en la fuente2218 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1468,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1449,42 – 1488,3Posición en la fuente: 46	Configuración indicada en la fuente997 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1480,14Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1475,56 – 1484,72Posición en la fuente: 65	Configuración indicada en la fuente38.569 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1484,96Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1479,11 – 1490,81Posición en la fuente: 67	Configuración indicada en la fuente17.855 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1459,78Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1453,06 – 1466,5Posición en la fuente: 59	Configuración indicada en la fuente11.394 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1434,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1428,26 – 1441,47Posición en la fuente: 58	Configuración indicada en la fuente12.842 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1474,3Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1464,76 – 1483,83Posición en la fuente: 49	Configuración indicada en la fuente4502 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1481,59Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1474,46 – 1488,72Posición en la fuente: 56	Configuración indicada en la fuente9183 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1460,05Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1449,2 – 1470,9Posición en la fuente: 73	Configuración indicada en la fuente3298 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1478,15Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,04 – 1488,26Posición en la fuente: 61	Configuración indicada en la fuente4061 comparaciones Identidad y recursos deepseek-v4-pro Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
deepseek-v4-pro	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1491,78Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1486,5 – 1497,05Posición en la fuente: 70	Configuración indicada en la fuente23.660 comparaciones Identidad y recursos deepseek-v4-pro 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 →