Tabla de Clasificación de IA
Benchmarks de IA y evaluaciones de modelos.
OpenRouter AI Rankings: Clasificación pública de rendimiento y costes de LLMs
Plan gratuito Acceso público y completo a clasificaciones de rendimiento, latencia y rendimiento de LLMs.
Compara los principales modelos de lenguaje en OpenRouter AI Rankings. Métricas gratuitas de velocidad de generación, precios y latencia.
Descripción general de OpenRouter AI Rankings
OpenRouter AI Rankings es una tabla de clasificación pública que mide y compara el rendimiento real de los modelos de lenguaje más utilizados. Evalúa el rendimiento de tokens por segundo, el tiempo hasta el primer token y el coste por llamada API.
Detalles del plan gratuito
- Acceso público sin restricciones: Consulta métricas y evaluaciones comparativas sin coste ni registro.
- Comparativa de velocidad y latencia: Evalúa la rapidez de respuesta entre diferentes proveedores de modelos.
- Análisis de costes: Compara tarifas de tokens de entrada y salida frente a la calidad obtenida.
- Actualización continua: Inclusión inmediata de los últimos modelos comerciales y de código abierto.
AlpacaEval: Tabla de evaluación de seguimiento de instrucciones para LLMs
Plan gratuito Acceso público a evaluaciones de modelos respecto a GPT-4 en seguimiento de instrucciones.
Mide la capacidad de respuesta de modelos de lenguaje con AlpacaEval. Clasificación gratuita que compara modelos frente a GPT-4 para evaluar precisión.
Descripción general de AlpacaEval
AlpacaEval es un punto de referencia automatizado y riguroso diseñado para probar la capacidad de los modelos de IA para seguir instrucciones humanas complejas. Utiliza GPT-4 como juez para puntuar respuestas con una correlación muy cercana a la preferencia humana.
Detalles del plan gratuito
- Tabla de resultados de acceso libre: Revisa tasas de victoria (win rates) y puntuaciones comparativas.
- Evaluación frente a GPT-4: Criterio estandarizado para medir calidad lingüística y exactitud.
- Proceso rápido y económico: Alternativa eficiente a costosas evaluaciones con revisores humanos.
- Código abierto verificable: Marco reproducible disponible en GitHub para evaluar modelos propios.
Hugging Face Open LLM Leaderboard: Evaluación de modelos de código abierto
Plan gratuito Acceso público completo a evaluaciones y clasificaciones de más de 4.000 modelos LLM abiertos.
Explora el Open LLM Leaderboard de Hugging Face. Compara más de 4.000 modelos de código abierto mediante pruebas estandarizadas de forma gratuita.
Descripción general de Hugging Face Open LLM Leaderboard
El Open LLM Leaderboard de Hugging Face es la referencia principal para evaluar de forma neutral los modelos de lenguaje de código abierto. Permite contrastar miles de modelos de la comunidad en pruebas como MMLU, GSM8k, MATH e IFEval.
Detalles del plan gratuito
- Más de 4.000 modelos analizados: La base de datos comparativa más extensa para IA de código abierto.
- Pruebas académicas estandarizadas: Medición rigurosa de razonamiento, matemáticas y seguimiento de formato.
- Envío abierto para la comunidad: Permite a investigadores presentar modelos ajustados para su evaluación.
- Transparencia total: Metodología abierta con acceso a datos, pesos y registros de puntuación.
Chatbot Arena (LMSYS): Clasificación Elo mediante votación a ciegas para LLMs
Plan gratuito Puntuaciones Elo colaborativas para modelos de chat basadas en votación anónima de usuarios.
Descubre los modelos de IA más avanzados según la comunidad en Chatbot Arena. Puntuación Elo verídica basada en comparativas a ciegas de usuarios reales.
Descripción general de Chatbot Arena
Chatbot Arena (LMSYS) es una plataforma de evaluación empírica donde los usuarios enfrentan a dos modelos de IA en una conversación a ciegas y votan cuál generó la mejor respuesta. Utiliza el sistema de puntuación Elo para establecer un ranking fiable.
Detalles del plan gratuito
- Puntuaciones Elo colaborativas: Respaldadas por cientos de miles de juicios directos de usuarios reales.
- Protección contra memorización: Las preguntas no publicadas evitan que los modelos hagan trampa en pruebas fijas.
- Clasificaciones especializadas: Tablas dedicadas para programación, preguntas difíciles y múltiples idiomas.
- Participación abierta: Cualquier usuario puede interactuar y votar de forma gratuita en la arena.
MTEB Leaderboard: Comparativa de modelos de incrustación de texto multilingüe
Plan gratuito Pruebas de modelos de incrustación (embeddings) en más de 100 idiomas y 1.000 tareas de NLP.
Encuentra el mejor modelo de incrustación de texto en el MTEB Leaderboard. Comparativas exhaustivas en más de 100 idiomas y 1.000 tareas de NLP gratis.
Descripción general de MTEB Leaderboard
El Massive Text Embedding Benchmark (MTEB) es la referencia indispensable para elegir modelos de representación vectorial (embeddings) aplicados a sistemas de búsqueda semántica, clasificación, clustering y arquitecturas RAG.
Detalles del plan gratuito
- Más de 100 idiomas evaluados: Pruebas para modelos monolingües y multilingües globales.
- 8 categorías de tareas de NLP: Evaluación en recuperación de información, clasificación y similitud semántica.
- Optimización para sistemas RAG: Facilita la elección del embedding ideal para bases de datos vectoriales.
- Base de datos actualizada: Incorporación periódica de los nuevos modelos publicados por la industria.
Artificial Analysis: Evaluaciones independientes de velocidad, calidad y coste de IA
Plan gratuito Datos independientes sobre inteligencia, latencia, velocidad de salida y precios de modelos de IA.
Obtén información objetiva sobre modelos de IA con ArtificialAnalysis.ai. Datos independientes de velocidad, latencia de primer token y costes por llamada.
Descripción general de Artificial Analysis
Artificial Analysis proporciona análisis técnicos independientes sobre modelos de lenguaje e infraestructura en la nube. Mide tiempos de respuesta (TTFT), velocidad de generación (tokens/s) y costes reales por millón de tokens.
Detalles del plan gratuito
- Mediciones neutrales de terceros: Datos empíricos no condicionados por el marketing de los proveedores.
- Métricas de rendimiento en tiempo real: Comparación de latencia y volumen de emisión de tokens.
- Gráficos de relación coste-calidad: Diagramas claros para equilibrar presupuesto y rendimiento técnico.
- Comparativa entre proveedores: Diferencias de velocidad para un mismo modelo en distintos alojamientos cloud.
yupp.ai: Clasificación de modelos de IA basada en opiniones y satisfacción real
Plan gratuito Acceso libre a clasificaciones de modelos de IA según valoraciones y feedback de usuarios.
Consulta el ranking de modelos de IA en yupp.ai basado en valoraciones reales. Descubre tendencias y opiniones prácticas de usuarios de forma gratuita.
Descripción general de yupp.ai AI Leaderboard
yupp.ai recopila la experiencia y satisfacción de la comunidad de desarrolladores para evaluar la utilidad práctica de los modelos de inteligencia artificial en entornos cotidianos y productivos.
Detalles del plan gratuito
- Valoraciones directas de la comunidad: Clasificaciones basadas en la satisfacción real de uso diario.
- Seguimiento de tendencias: Observa la evolución de la popularidad y fiabilidad de cada modelo en el tiempo.
- Acceso público sin coste: Consulta libre de comparativas para seleccionar la herramienta adecuada.
- Decisiones informadas: Orientación útil para elegir el modelo que mejor encaja en cada necesidad.
LMArena: El estándar mundial de comparativas colaborativas de modelos LLM
Plan gratuito Acceso público y gratuito a las tablas de clasificación y benchmarks colaborativos de LLMs.
Sigue la evolución de los modelos de IA en LMArena. El punto de encuentro con benchmarks y votaciones anónimas de la comunidad científica global.
Descripción general de LMArena
LMArena (gestionada por el grupo de investigación LMSYS) es la plataforma de evaluación de IA más respetada internacionalmente. Sus duelos directos con votación a ciegas ofrecen la imagen más fiel de la inteligencia de los modelos generativos.
Detalles del plan gratuito
- Clasificación de referencia mundial: Puntuaciones Elo objetivas derivadas de miles de votos de usuarios.
- Filtros por especialidad: Tablas de resultados para desarrollo de software, razonamiento y estilo.
- Arena de prueba gratuita: Pon a prueba dos modelos de vanguardia en paralelo desde tu navegador.
- Datos de investigación abiertos: Metodología transparente y datos accesibles para toda la comunidad técnica.