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
claude-opus-5-high	Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios	1656,87Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1651,26 – 1662,48Posición en la fuente: 12	high22.340 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1691,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1684,93 – 1697,69Posición en la fuente: 7	max17.320 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Codewebdev · Bradley-TerryPreferencia / señales de usuarios	1656,87Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1651,26 – 1662,48Posición en la fuente: 12	high22.340 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1680,98Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1665,63 – 1696,32Posición en la fuente: 8	max2123 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Codewebdev-html · Bradley-TerryPreferencia / señales de usuarios	1652,65Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1640,11 – 1665,19Posición en la fuente: 10	high3091 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1714,06Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1706,5 – 1721,61Posición en la fuente: 7	max11.288 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Codewebdev-react · Bradley-TerryPreferencia / señales de usuarios	1677,14Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1670,54 – 1683,75Posición en la fuente: 12	high14.705 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1490,13Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1486,4 – 1493,86Posición en la fuente: 13	high62.934 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios	1489,41Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,51 – 1494,31Posición en la fuente: 14	max30.569 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1547Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1537,55 – 1556,46Posición en la fuente: 6	high5038 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Text · control de estiloChino · Bradley-TerryPreferencia / señales de usuarios	1546,29Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1533,28 – 1559,29Posición en la fuente: 7	max2431 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1533,97Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1527,78 – 1540,15Posición en la fuente: 14	high16.352 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios	1529,58Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1521,91 – 1537,24Posición en la fuente: 22	max7740 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1470,88Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1464,17 – 1477,6Posición en la fuente: 13	high14.051 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios	1470,62Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1462,21 – 1479,02Posición en la fuente: 14	max6927 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1493,97Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1488,7 – 1499,24Posición en la fuente: 15	high25.673 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Text · control de estiloInglés · Bradley-TerryPreferencia / señales de usuarios	1491,07Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,67 – 1497,47Posición en la fuente: 18	max12.332 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1504,48Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1499,44 – 1509,53Posición en la fuente: 13	high47.524 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Text · control de estiloexclude_ties · Bradley-TerryPreferencia / señales de usuarios	1503,26Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1496,86 – 1509,65Posición en la fuente: 14	max23.001 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1540,83Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1532,53 – 1549,12Posición en la fuente: 5	high7060 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Text · control de estiloexpert · Bradley-TerryPreferencia / señales de usuarios	1530,35Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1519,14 – 1541,57Posición en la fuente: 14	max3294 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1506,2Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1490,64 – 1521,77Posición en la fuente: 19	high1883 comparaciones Identidad y recursos claude-opus-5-high Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Text · control de estiloFrancés · Bradley-TerryPreferencia / señales de usuarios	1494,68Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,61 – 1515,75Posición en la fuente: 31	max928 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-max	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1505,09Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1477,98 – 1532,21Posición en la fuente: 8	max513 comparaciones Identidad y recursos claude-opus-5-max Revisión fuente: 088c607919d1d0d3385409070657f4623e414872	Publicado 8/10/2026Captura: 9/10/2026Metodología ↗
claude-opus-5-high	Arena ↗Arena Text · control de estiloAlemán · Bradley-TerryPreferencia / señales de usuarios	1488,24Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1468,08 – 1508,41Posición en la fuente: 22	high984 comparaciones Identidad y recursos claude-opus-5-high 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 →