Qué registra cada puntuación
Cada benchmark tiene además una categoría y un sentido de ordenación. En los benchmarks en los que un valor más bajo es mejor, como las tasas de error, Phaseo coloca primero la puntuación más baja.
Cómo comparar puntuaciones
Phaseo no convierte los benchmarks a una puntuación común, así que compara modelos en el mismo benchmark y la misma variante, no entre benchmarks distintos. Revisa la variante y la marca de autodeclarada antes de dar por equivalentes dos cifras: una puntuación declarada por el proveedor y otra medida de forma independiente pueden diferir para el mismo modelo. La puntuación de un benchmark es solo un dato. El coste, la latencia, la fiabilidad y cómo responde un modelo a tus propios prompts importan igual; Precios y rendimiento trata esos aspectos.Qué muestra la página de un benchmark
Los índices compuestos, como el Artificial Analysis Intelligence Index y el Epoch Capabilities Index, tienen sus propias páginas con las clasificaciones y versiones del editor.
Categorías de benchmarks
Otras categorías son audio, embeddings, salud, planificación y creatividad.
De dónde proceden las puntuaciones
- Fichas de modelo, informes técnicos y artículos del desarrollador del modelo.
- Las páginas de resultados de los propios organizadores del benchmark.
- Importaciones programadas de Artificial Analysis y Epoch AI.
- Aportaciones de la comunidad mediante issues de GitHub, revisadas antes de publicarse.