Corte guardado
Datos consultables, no llamadas a modelos.
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: .
Explorador de evidencias
Filtra la tarea antes de leer la cifra.
Para consultar Arena, selecciona «Preferencia / uso» o «Todos los tipos» en el filtro de evidencia. Sus votos no son una prueba técnica de aciertos.
| Versión evaluada | Fuente y tarea | Resultado publicado | Configuración, muestra y recursos | Fecha y trazabilidad |
|---|---|---|---|---|
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios | 1452,38Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1444,39 – 1460,37Posición en la fuente: 72 | Configuración indicada en la fuente6601 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios | 1433,61Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1426,26 – 1440,96Posición en la fuente: 63 | Configuración indicada en la fuente9288 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios | 1456,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1444,66 – 1467,49Posición en la fuente: 86 | Configuración indicada en la fuente3058 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios | 1479Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1470,67 – 1487,33Posición en la fuente: 61 | Configuración indicada en la fuente5860 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios | 1447,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1433,59 – 1460,43Posición en la fuente: 95 | Configuración indicada en la fuente2038 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios | 1469,49Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1457,2 – 1481,77Posición en la fuente: 78 | Configuración indicada en la fuente2610 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios | 1488,54Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1482,49 – 1494,6Posición en la fuente: 78 | Configuración indicada en la fuente14.385 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios | 1442,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1435,79 – 1449,98Posición en la fuente: 67 | Configuración indicada en la fuente9814 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios | 1443,45Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1437,09 – 1449,8Posición en la fuente: 76 | Configuración indicada en la fuente12.918 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios | 1445,43Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1418,71 – 1472,14Posición en la fuente: 39 | Configuración indicada en la fuente580 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios | 1423,67Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1400,44 – 1446,9Posición en la fuente: 50 | Configuración indicada en la fuente713 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios | 1462,77Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1456,77 – 1468,77Posición en la fuente: 72 | Configuración indicada en la fuente17.145 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1442,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1427,41 – 1456,6Posición en la fuente: 89 | Configuración indicada en la fuente1627 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios | 1466,6Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1458,1 – 1475,09Posición en la fuente: 66 | Configuración indicada en la fuente5861 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios | 1444,48Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1439,13 – 1449,83Posición en la fuente: 64 | Configuración indicada en la fuente21.271 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios | 1458,05Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1432,44 – 1483,65Posición en la fuente: 56 | Configuración indicada en la fuente514 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios | 1461,23Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1451,48 – 1470,97Posición en la fuente: 56 | Configuración indicada en la fuente4104 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.5-flash-lite | Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios | 1456,16Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1436,38 – 1475,94Posición en la fuente: 61 | Configuración indicada en la fuente964 comparacionesIdentidad y recursosgemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| Gemini 3.7 Flash (High) | Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios | -0,021IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: -0,029 – -0,0131Posición en la fuente: 38 | high5.094.608 observaciones54.358 sesionesIdentidad y recursosGemini 3.7 Flash (High) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios | 1591,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1584,39 – 1598,7Posición en la fuente: 29 | high10.637 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios | 1591,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1584,39 – 1598,7Posición en la fuente: 29 | high10.637 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios | 1593,89Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1577,14 – 1610,64Posición en la fuente: 28 | high1566 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios | 1589,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1580,81 – 1597,8Posición en la fuente: 30 | high6904 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1486,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1481,45 – 1491,55Posición en la fuente: 18 | high24.173 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.7-flash-high | Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios | 1542,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1528,62 – 1556,79Posición en la fuente: 9 | high1874 comparacionesIdentidad y recursosgemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
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.
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 ↗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 ↗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 ↗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 ↗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 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.
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 →