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
gpt-6-astra-max	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1453,24Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1441,08 – 1465,41Posición en la fuente: 31	max2684 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios	1488,7Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,92 – 1508,47Posición en la fuente: 29	max910 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios	1488,91Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1474,63 – 1503,18Posición en la fuente: 41	max1779 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios	1490,27Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1466,17 – 1514,37Posición en la fuente: 33	max601 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios	1470,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1449,05 – 1492,45Posición en la fuente: 75	max760 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1520,1Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1510,29 – 1529,9Posición en la fuente: 20	max3853 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1462,3Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1450,8 – 1473,79Posición en la fuente: 34	max2960 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1469,14Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1458,64 – 1479,63Posición en la fuente: 38	max3330 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1414,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1368,8 – 1460,57Posición en la fuente: 74	max195 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1448,87Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1404,85 – 1492,89Posición en la fuente: 21	max191 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1484,09Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1474,54 – 1493,65Posición en la fuente: 37	max4424 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1485,91Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1460,77 – 1511,04Posición en la fuente: 31	max534 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1484,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,58 – 1500,04Posición en la fuente: 29	max1443 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1460,54Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1452,54 – 1468,54Posición en la fuente: 41	max6264 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1466,18Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1449,93 – 1482,42Posición en la fuente: 50	max1356 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-astra-max	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1434,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1400,92 – 1468,23Posición en la fuente: 92	max307 comparaciones Identidad y recursos gpt-6-astra-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
GPT 6 Luna (Max)	Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios	0,0193IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: 0,0129 – 0,0257Posición en la fuente: 25	max13.356.278 observaciones109.098 sesiones Identidad y recursos GPT 6 Luna (Max) Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-luna-max	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1580,9Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1573,97 – 1587,82Posición en la fuente: 34	max12.332 comparaciones Identidad y recursos gpt-6-luna-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-luna-max	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1580,9Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1573,97 – 1587,82Posición en la fuente: 34	max12.332 comparaciones Identidad y recursos gpt-6-luna-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-luna-max	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1591,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1576,49 – 1606,54Posición en la fuente: 29	max1988 comparaciones Identidad y recursos gpt-6-luna-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-luna-max	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1578,44Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1570,13 – 1586,74Posición en la fuente: 33	max7536 comparaciones Identidad y recursos gpt-6-luna-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-luna-max	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1442,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1437,6 – 1447,56Posición en la fuente: 91	max28.632 comparaciones Identidad y recursos gpt-6-luna-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-luna-max	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1488,02Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1475,16 – 1500,88Posición en la fuente: 79	max2349 comparaciones Identidad y recursos gpt-6-luna-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-luna-max	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1508,42Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1500,41 – 1516,44Posición en la fuente: 60	max6559 comparaciones Identidad y recursos gpt-6-luna-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
gpt-6-luna-max	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1411,05Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1402,49 – 1419,61Posición en la fuente: 89	max6477 comparaciones Identidad y recursos gpt-6-luna-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 →