Comparación métrica a métrica
Las diferencias que importan.
Todavía no existe una puntuación comparable publicada para esta tarea. Mostramos capacidades y fuentes, pero no convertimos valores vacíos en un ranking.
Ficha técnica comparada
Lo que sí se puede decidir antes del benchmark.
Estas diferencias son datos publicados del modelo y no sustituyen una ejecución controlada. «Pendiente de prueba» significa que aún no hay una puntuación IA Versus comparable.
Evidencia externa
Resultados publicados, con contexto.
La primera tabla reúne cortes compartidos de la misma fuente y tarea. Las pruebas de agentes necesitan también el mismo agente, versión, esfuerzo y dataset. Conservamos todas las configuraciones disponibles; no seleccionamos la puntuación máxima de cada modelo.
| Versión evaluada | Fuente y tarea | Resultado publicado | Configuración, muestra y recursos | Fecha y trazabilidad |
|---|---|---|---|---|
| gemini-3.1-pro-preview | Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1487,3Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1484,32 – 1490,29Posición en la fuente: 17 | Configuración indicada en la fuente124.675 comparacionesIdentidad y recursosgemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| mistral-large-4 | Arena ↗Arena Text · control de estiloGeneral · Bradley-TerryPreferencia / señales de usuarios | 1429,26Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1419,98 – 1438,54Posición en la fuente: 115 | Configuración indicada en la fuente4179 comparacionesIdentidad y recursosmistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.1-pro-preview | Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios | 1522,17Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1517,56 – 1526,78Posición en la fuente: 32 | Configuración indicada en la fuente34.338 comparacionesIdentidad y recursosgemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| mistral-large-4 | Arena ↗Arena Text · control de estiloProgramación · Bradley-TerryPreferencia / señales de usuarios | 1492,37Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1473,09 – 1511,65Posición en la fuente: 87 | Configuración indicada en la fuente922 comparacionesIdentidad y recursosmistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.1-pro-preview | Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios | 1480,76Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1475,38 – 1486,15Posición en la fuente: 11 | Configuración indicada en la fuente22.975 comparacionesIdentidad y recursosgemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| mistral-large-4 | Arena ↗Arena Text · control de estiloEscritura creativa · Bradley-TerryPreferencia / señales de usuarios | 1366,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1346,86 – 1387,02Posición en la fuente: 157 | Configuración indicada en la fuente933 comparacionesIdentidad y recursosmistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.1-pro-preview | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1507,94Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1504,31 – 1511,56Posición en la fuente: 17 | Configuración indicada en la fuente81.091 comparacionesIdentidad y recursosgemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| mistral-large-4 | Arena ↗Arena Text · control de estiloPrompts difíciles · Bradley-TerryPreferencia / señales de usuarios | 1453,39Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1441,62 – 1465,16Posición en la fuente: 109 | Configuración indicada en la fuente2528 comparacionesIdentidad y recursosmistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.1-pro-preview | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1488,31Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1480,27 – 1496,34Posición en la fuente: 28 | Configuración indicada en la fuente6482 comparacionesIdentidad y recursosgemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| mistral-large-4 | Arena ↗Arena Text · control de estiloMatemáticas · Bradley-TerryPreferencia / señales de usuarios | 1486,5Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1448,25 – 1524,74Posición en la fuente: 30 | Configuración indicada en la fuente220 comparacionesIdentidad y recursosmistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| mistral-large-4 | Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios | 1541,34Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1524,91 – 1557,77Posición en la fuente: 42 | Configuración indicada en la fuente1478 comparacionesIdentidad y recursosmistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| gemini-3.1-pro-preview | Arena ↗Arena CodeGeneral · Bradley-TerryPreferencia / señales de usuarios | 1446,71Arena Score · Bradley-TerryUn valor mayor es mejor en esta métricaIntervalo: 1441,66 – 1451,76Posición en la fuente: 71 | Configuración indicada en la fuente24.249 comparacionesIdentidad y recursosgemini-3.1-pro-preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| mistral-large-4 | Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios | -0,0656IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: -0,0951 – -0,0361Posición en la fuente: 43 | Configuración indicada en la fuente271.865 observaciones5078 sesionesIdentidad y recursosmistral-large-4 Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
| Gemini 3.1 Pro Preview | Arena ↗Agent Arena · agregadoGeneral · IPSPreferencia / señales de usuarios | -0,0779IPS · no es un porcentajeUn valor mayor es mejor en esta métricaIntervalo 95 %: -0,0879 – -0,0679Posición en la fuente: 48 | Configuración indicada en la fuente3.470.620 observaciones86.794 sesionesIdentidad y recursosGemini 3.1 Pro Preview Revisión fuente: 088c607919d1d0d3385409070657f4623e414872 | Publicado Captura: Metodología ↗ |
Un modo «high» no equivale al mismo presupuesto en todos los proveedores. Los intervalos, la muestra y la configuración condicionan la lectura; esta tabla no se transforma en una nota global de IA Versus.
Coste API orientativo
Coste según la unidad del proveedor.
Estándar: 2 USD entrada · 12 USD salida por 1M hasta 200K tokens de prompt; por encima: 4/18 USD.
Ver tarifa y condiciones →Preview: 0,68 USD entrada · 2,09 USD salida · 0,07 USD caché por 1M; tarifa de lista 1,36/4,18.
Ver tarifa y condiciones →El coste por tarea dependerá del volumen, caché, razonamiento y tasa de éxito. Las tarifas son las publicadas en las fuentes de cada ficha; los planes de producto se contratan por separado.
Cuándo elegir cada uno
No hay un ganador universal.
Gemini 3.1 Pro Preview
- Uso a valorar: Razonamiento
- Uso a valorar: Código
- Uso a valorar: Agentes
Mistral Large 4
- Uso a valorar: Código
- Uso a valorar: Agentes
- Uso a valorar: Documentos largos
- Uso a valorar: Multimodal
Datos de cada modelo
Fuentes y fecha de revisión.
Gemini 3.1 Pro Preview
Ficha revisada: 31 ago 2026.
Metodología
Criterios de esta comparación.
El índice equilibrado aplica 55% a calidad, 15% a programación, 20% a valor y 10% a velocidad cuando existe una evaluación común. Los votos de esta página representan preferencias de usuarios y se consultan aparte.
Revisar metodología y límites →Experiencia de la comunidad
¿Cuál elegirías tú?
Tu voto se muestra separado de benchmarks y especificaciones. Sé la primera persona en votar para esta tarea.