Ranking IA

Un benchmark hecho en español, con las cartas boca arriba

Los rankings de modelos de IA se miden casi siempre en inglés, y no todos los modelos rinden igual cuando el trabajo es en español. Ranking IA compara los modelos frontera con 25 pruebas de uso real escritas en español y agrupadas en seis familias: instrucciones, veracidad, razonamiento, carácter, expresión y español.

Cada prueba se lanza cuatro veces a cada modelo. Lo que se puede comprobar con un script lo puntúa un verificador; el resto, un panel de jueces de cuatro laboratorios en el que ninguno evalúa a los modelos de su propia casa. La metodología se publica antes de ejecutar y el autor no puntúa nada.

El resultado es una tabla por tiers, de S a D, con la nota global, el intervalo de confianza al 95 % y el precio de cada modelo. Ninguna celda queda vacía: todas se abren y enseñan la respuesta original, y los datos completos se descargan en JSON con licencia CC BY 4.0.

El ranking se actualiza con cada medición nueva, y cada modelo conserva la pasada en la que se midió para que la comparación sea justa.