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.

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 →

Versión evaluada	Fuente y tarea	Resultado publicado	Configuración, muestra y recursos	Fecha y trazabilidad
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios	1357,99Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1351,83 – 1364,15Posición en la fuente: 242	Configuración indicada en la fuente12.289 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloRedacción, literatura y lengua · Bradley-TerryPreferencia / señales de usuarios	1312,4Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1305,47 – 1319,34Posición en la fuente: 236	Configuración indicada en la fuente8731 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloSeguimiento de instrucciones · Bradley-TerryPreferencia / señales de usuarios	1313,68Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1307,21 – 1320,15Posición en la fuente: 248	Configuración indicada en la fuente10.503 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estilojapanese · Bradley-TerryPreferencia / señales de usuarios	1257,89Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1236,72 – 1279,06Posición en la fuente: 188	Configuración indicada en la fuente936 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estilokorean · Bradley-TerryPreferencia / señales de usuarios	1262,03Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1240,1 – 1283,95Posición en la fuente: 208	Configuración indicada en la fuente797 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estilolonger_query · Bradley-TerryPreferencia / señales de usuarios	1335,08Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1327,6 – 1342,56Posición en la fuente: 242	Configuración indicada en la fuente7079 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios	1316,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1305,85 – 1327,6Posición en la fuente: 232	Configuración indicada en la fuente2825 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloVarios turnos · Bradley-TerryPreferencia / señales de usuarios	1326,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1318,49 – 1334,18Posición en la fuente: 239	Configuración indicada en la fuente6680 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estilonon_english · Bradley-TerryPreferencia / señales de usuarios	1310,99Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1305,73 – 1316,26Posición en la fuente: 240	Configuración indicada en la fuente20.524 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estilopolish · Bradley-TerryPreferencia / señales de usuarios	1330,37Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1317,69 – 1343,05Posición en la fuente: 189	Configuración indicada en la fuente2675 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estilorussian · Bradley-TerryPreferencia / señales de usuarios	1327,81Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1317,36 – 1338,26Posición en la fuente: 230	Configuración indicada en la fuente3104 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-maverick-17b-128e-instruct	Arena ↗Arena Text · control de estiloEspañol · Bradley-TerryPreferencia / señales de usuarios	1326,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1304,58 – 1347,45Posición en la fuente: 217	Configuración indicada en la fuente820 comparaciones Identidad y recursos llama-4-maverick-17b-128e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1321,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1316,79 – 1326,26Posición en la fuente: 258	Configuración indicada en la fuente29.836 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1314,86Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1300,95 – 1328,78Posición en la fuente: 264	Configuración indicada en la fuente2085 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1362,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1354,22 – 1371,28Posición en la fuente: 252	Configuración indicada en la fuente5227 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1289,13Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1279,03 – 1299,23Posición en la fuente: 250	Configuración indicada en la fuente3760 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1342,56Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1336,49 – 1348,62Posición en la fuente: 254	Configuración indicada en la fuente13.043 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1267,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1261,19 – 1274,58Posición en la fuente: 253	Configuración indicada en la fuente21.412 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1307,66Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1292,07 – 1323,24Posición en la fuente: 254	Configuración indicada en la fuente1536 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1324,91Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1295,41 – 1354,42Posición en la fuente: 225	Configuración indicada en la fuente427 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1311,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1289,62 – 1332,77Posición en la fuente: 205	Configuración indicada en la fuente800 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios	1329,19Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1323,02 – 1335,35Posición en la fuente: 254	Configuración indicada en la fuente12.907 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios	1352Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1343,83 – 1360,17Posición en la fuente: 245	Configuración indicada en la fuente5737 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios	1315,98Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1307,01 – 1324,96Posición en la fuente: 252	Configuración indicada en la fuente4923 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
llama-4-scout-17b-16e-instruct	Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios	1288,9Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1280,33 – 1297,48Posición en la fuente: 244	Configuración indicada en la fuente5281 comparaciones Identidad y recursos llama-4-scout-17b-16e-instruct Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗