Ayuda a mantener correctos los datos públicos
¿Ves algo que falta, es incorrecto o está desactualizado? Cuéntanoslo sobre esta página.
¿Ves algo que falta, es incorrecto o está desactualizado? Cuéntanoslo sobre esta página.
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Puntuaciones individuales de la evaluación a lo largo del tiempo.
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash 1017 | 17 oct 2026 | 51 | ZeroBench-main with tools; official release changelog specifies Pass@5. Developer-reported percentage score (0–100), higher is better. DeepSeek-V4.1-Flash-1017 model card, release 2026-10-17, accessed 2026-10-17. Reasoning effort and any unlisted evaluation settings are not specified by this card. | Sí | Fuente | |
| DeepSeek V4.1 Flash | 10 sept 2026 | 49 | Instruct model; reasoning_effort=100; Claude Code harness; 512k context; with tools; Pass@5 | Sí | Fuente | |
| Kimi K3 | 16 jul 2026 | 23 | pass@5; official setting; run five times. | Sí | Fuente | |
| Seed 2.0 Pro | 14 feb 2026 | 12 | Seed2 official benchmark table | ZeroBench (main) | Sí | Fuente | |
| Seed 2.0 Lite | 14 feb 2026 | 8 | Seed2 official benchmark table | ZeroBench (main) | Sí | Fuente | |
| Seed 2.0 Mini | 14 feb 2026 | 7 | Seed2 official benchmark table | ZeroBench (main) | Sí | Fuente |
