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-lite	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1300,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1271,43 – 1330,08Posición en la fuente: 38	Configuración indicada en la fuente434 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1252,21Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1229,2 – 1275,21Posición en la fuente: 39	Configuración indicada en la fuente722 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1297,55Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1283,05 – 1312,05Posición en la fuente: 37	Configuración indicada en la fuente1892 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1266,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1254,2 – 1279,67Posición en la fuente: 38	Configuración indicada en la fuente2619 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1295,19Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1273,47 – 1316,92Posición en la fuente: 37	Configuración indicada en la fuente774 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Vision · control de estilohumor · Bradley-TerryPreferencia / señales de usuarios	1273,23Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1240,64 – 1305,82Posición en la fuente: 15	Configuración indicada en la fuente329 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.5-flash-lite	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1281,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1271,88 – 1290,13Posición en la fuente: 38	Configuración indicada en la fuente5125 comparaciones Identidad y recursos gemini-3.5-flash-lite Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.7-flash-high	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1296,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1285,53 – 1306,49Posición en la fuente: 6	high3814 comparaciones Identidad y recursos gemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.7-flash-high	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1376,69Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1335,55 – 1417,82Posición en la fuente: 1	high212 comparaciones Identidad y recursos gemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.7-flash-high	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1283,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1250,02 – 1316,12Posición en la fuente: 17	high364 comparaciones Identidad y recursos gemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.7-flash-high	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1320,63Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1300,66 – 1340,6Posición en la fuente: 12	high973 comparaciones Identidad y recursos gemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.7-flash-high	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1282,63Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1265,42 – 1299,84Posición en la fuente: 12	high1317 comparaciones Identidad y recursos gemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.7-flash-high	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1319,57Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1292,1 – 1347,04Posición en la fuente: 18	high442 comparaciones Identidad y recursos gemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.7-flash-high	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1311,48Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1299,51 – 1323,46Posición en la fuente: 7	high2612 comparaciones Identidad y recursos gemini-3.7-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1290,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1278,79 – 1301,9Posición en la fuente: 11	high3086 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1255,22Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1218,85 – 1291,59Posición en la fuente: 37	high284 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1340,83Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1318,98 – 1362,68Posición en la fuente: 2	high793 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1290,75Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1271,23 – 1310,27Posición en la fuente: 8	high1010 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Vision · control de estilohomework · Bradley-TerryPreferencia / señales de usuarios	1333,77Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1305,29 – 1362,25Posición en la fuente: 7	high418 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gemini-3.8-flash-high	Arena ↗Arena Vision · control de estiloocr · Bradley-TerryPreferencia / señales de usuarios	1315,01Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1301,46 – 1328,56Posición en la fuente: 3	high2081 comparaciones Identidad y recursos gemini-3.8-flash-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-luna-xhigh	Arena ↗Arena Vision · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1259,81Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1252,19 – 1267,43Posición en la fuente: 44	xhigh10.446 comparaciones Identidad y recursos gpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-luna-xhigh	Arena ↗Arena Vision · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1278,51Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1253,02 – 1303,99Posición en la fuente: 52	xhigh608 comparaciones Identidad y recursos gpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-luna-xhigh	Arena ↗Arena Vision · control de estilocreative_writing_vision · Bradley-TerryPreferencia / señales de usuarios	1257,46Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1236,83 – 1278,08Posición en la fuente: 34	xhigh912 comparaciones Identidad y recursos gpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-luna-xhigh	Arena ↗Arena Vision · control de estilodiagram · Bradley-TerryPreferencia / señales de usuarios	1281,33Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1269,19 – 1293,48Posición en la fuente: 46	xhigh2612 comparaciones Identidad y recursos gpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 9/10/2026Metodología ↗
gpt-5.6-luna-xhigh	Arena ↗Arena Vision · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1263,41Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1252,12 – 1274,69Posición en la fuente: 42	xhigh3561 comparaciones Identidad y recursos gpt-5.6-luna-xhigh Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 2/10/2026Captura: 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 →