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 |
|---|---|---|---|---|
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios | 1484,18Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1479,12 – 1489,25Posición en la fuente: 39 | Configuración indicada en la fuente48.992 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios | 1525,63Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1517,78 – 1533,48Posición en la fuente: 16 | high7076 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios | 1515,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1507,45 – 1522,94Posición en la fuente: 21 | Configuración indicada en la fuente7423 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios | 1507,71Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1493,31 – 1522,11Posición en la fuente: 17 | high2186 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios | 1505,33Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1490,93 – 1519,72Posición en la fuente: 22 | Configuración indicada en la fuente2226 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios | 1491,95Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,17 – 1510,73Posición en la fuente: 16 | high1074 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios | 1469,29Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1450,7 – 1487,89Posición en la fuente: 45 | Configuración indicada en la fuente1104 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1512,93Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1508,38 – 1517,48Posición en la fuente: 14 | high42.598 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1504,97Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1500,42 – 1509,52Posición en la fuente: 24 | Configuración indicada en la fuente43.432 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios | 1516,38Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1510,71 – 1522,06Posición en la fuente: 10 | high18.815 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloPrompts difíciles en inglés · Bradley-TerryPreferencia / señales de usuarios | 1505,99Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1500,31 – 1511,66Posición en la fuente: 24 | Configuración indicada en la fuente19.498 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios | 1488,82Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1482,44 – 1495,2Posición en la fuente: 13 | high12.746 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloEmpresa, gestión y operaciones financieras · Bradley-TerryPreferencia / señales de usuarios | 1486,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1479,73 – 1492,41Posición en la fuente: 16 | Configuración indicada en la fuente12.782 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios | 1459,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1453,82 – 1465,95Posición en la fuente: 22 | high16.239 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloEntretenimiento, deportes y medios · Bradley-TerryPreferencia / señales de usuarios | 1454,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1448,02 – 1460,11Posición en la fuente: 27 | Configuración indicada en la fuente16.066 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios | 1497,19Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1488,41 – 1505,98Posición en la fuente: 16 | Configuración indicada en la fuente5541 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloDerecho y administración · Bradley-TerryPreferencia / señales de usuarios | 1495,73Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1486,89 – 1504,56Posición en la fuente: 20 | high5444 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios | 1504,09Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1497,4 – 1510,78Posición en la fuente: 20 | high10.466 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloCiencias · Bradley-TerryPreferencia / señales de usuarios | 1499,44Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1492,83 – 1506,06Posición en la fuente: 22 | Configuración indicada en la fuente10.750 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios | 1505,98Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1495,35 – 1516,61Posición en la fuente: 15 | high3479 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloTrabajos matemáticos · Bradley-TerryPreferencia / señales de usuarios | 1488,71Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1478,22 – 1499,21Posición en la fuente: 37 | Configuración indicada en la fuente3624 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios | 1499,52Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1490,15 – 1508,9Posición en la fuente: 19 | high4786 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloMedicina y salud · Bradley-TerryPreferencia / señales de usuarios | 1497,28Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1487,86 – 1506,7Posición en la fuente: 24 | Configuración indicada en la fuente4775 comparacionesIdentidad y recursosclaude-opus-4-8 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8-high | Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios | 1523,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1518,13 – 1528,49Posición en la fuente: 17 | high25.152 comparacionesIdentidad y recursosclaude-opus-4-8-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| claude-opus-4-8 | Arena ↗Arena Text · control de estiloSoftware y servicios de TI · Bradley-TerryPreferencia / señales de usuarios | 1517,11Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1511,92 – 1522,29Posición en la fuente: 23 | Configuración indicada en la fuente25.745 comparacionesIdentidad y recursosclaude-opus-4-8 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 →