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-3.5-flash-high	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1513,36Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1494,27 – 1532,44Posición en la fuente: 53	high1141 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1494,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1486,2 – 1502,96Posición en la fuente: 57	high6802 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1481,84Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1474,28 – 1489,41Posición en la fuente: 58	medium8580 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1477,6Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,71 – 1481,5Posición en la fuente: 28	high48.533 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1475,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1471,71 – 1480Posición en la fuente: 30	medium47.339 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1517,59Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1506,87 – 1528,32Posición en la fuente: 32	medium3467 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1514,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1503,57 – 1524,55Posición en la fuente: 42	high3646 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1507,53Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1501,43 – 1513,63Posición en la fuente: 63	high13.851 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1506,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1499,85 – 1512,34Posición en la fuente: 64	medium13.632 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1468,53Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1461,16 – 1475,9Posición en la fuente: 19	medium9491 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1464,47Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1457,27 – 1471,68Posición en la fuente: 22	high9497 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1478,6Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,41 – 1483,78Posición en la fuente: 43	high20.588 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1477,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1472,52 – 1483,25Posición en la fuente: 45	medium20.073 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1487,62Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1482,46 – 1492,78Posición en la fuente: 27	high36.578 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1486,56Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,1 – 1492,03Posición en la fuente: 30	medium35.517 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1492,64Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,05 – 1501,23Posición en la fuente: 54	high5578 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1487,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1478,91 – 1496,2Posición en la fuente: 63	medium5597 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1493,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1476,93 – 1510,23Posición en la fuente: 33	high1542 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1482,03Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1465,03 – 1499,03Posición en la fuente: 56	medium1500 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1489,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1467,13 – 1512,38Posición en la fuente: 20	medium757 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1484,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1462,24 – 1506,47Posición en la fuente: 25	high773 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1495,02Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1490,43 – 1499,61Posición en la fuente: 42	high32.427 comparaciones Identidad y recursos gemini-3.5-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1494,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1489,85 – 1499,54Posición en la fuente: 43	medium31.569 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-medium	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1490,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,49 – 1496,89Posición en la fuente: 50	medium13.348 comparaciones Identidad y recursos gemini-3.5-flash-medium Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-high	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1489,91Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1483,83 – 1495,99Posición en la fuente: 51	high13.806 comparaciones Identidad y recursos gemini-3.5-flash-high 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 →