AI Science Tracker
ES

Progreso de modelos · Cargando la cobertura de modelos…

Comparar modelos de IA y benchmarks

Compare modelos exactos, estimaciones de capacidad y fechas de publicación registradas en ocho laboratorios.

Comparar modelos exactos

Elija un laboratorio y dos modelos. El Epoch Capabilities Index (ECI) combina puntuaciones de benchmarks en una escala de puntos común; no es un porcentaje de exactitud.

Capacidad a lo largo del tiempo

Un conector discontinuo muestra solo la comparación elegida; no implica un linaje de generaciones.

Ver los datos del gráfico
¿Qué significan las cifras?

¿Ficha o publicación? Una ficha es un grupo de modelos importado o una etiqueta del catálogo. Los alias pueden solaparse. Las configuraciones de evaluación se agrupan y no cuentan como generaciones nuevas.

¿ECI o exactitud? El Epoch Capabilities Index combina muchos benchmarks en una escala de puntos arbitraria. Una ganancia de 5 puntos no es «un 5 % más inteligente». Un ECI ausente no significa un modelo débil.

¿Qué fecha? Tienen prioridad las fechas de publicación de los benchmarks; las fechas de publicación del catálogo cubren los huecos. El espaciado de fechas describe estas fuentes, no un calendario completo de lanzamientos.

¿Qué cambió en los benchmarks?

Puntuaciones brutas de benchmarks en una escala común de 0–100 %. Hueco: línea de base. Relleno: modelo de comparación. Mejor configuración observada por modelo; los ajustes pueden diferir.

Ver las puntuaciones exactas en tabla

Los cambios son puntos porcentuales. Las puntuaciones ausentes faltan en la exportación de benchmark importada, no son cero. La configuración de evaluación ganadora aparece bajo cada puntuación. Los ajustes y los presupuestos de inferencia pueden diferir; estas puntuaciones no miden la exactitud en todo un dominio.

Modelos de la comparación

Identidad, fechas, configuraciones de evaluación y metadatos disponibles informados por la fuente para los dos modelos seleccionados.

SWE-bench Verified: resolución de problemas de software

Resultados informados por la fuente sobre 500 problemas de software filtrados por personas, con mini-SWE-agent. Esta colección independiente conserva las ejecuciones de evaluación exactas; no se une a los nombres de modelos de Epoch ni se incluye en las comparaciones de ECI.

Al inicio se selecciona la última versión disponible del agente. Las versiones 1.x y 2.x no son necesariamente comparables; dentro de una versión también pueden diferir los ajustes de razonamiento y los presupuestos. El coste es la media en USD por tarea informada por la fuente, no el precio actual de las API. Las fechas se refieren a evaluaciones, no a publicaciones de modelos. Son resultados informados, no nuestra verificación independiente.

Cargando la cobertura SWE-bench…

Fuente: SWE-bench Team, datos oficiales de la clasificación, CC BY-NC 4.0 (solo reutilización no comercial). Ejecuciones seleccionadas de mini-SWE-agent; campos renombrados y ordenados; puntuaciones sin cambios. Descargar el JSON atribuido · Texto de la licencia · Alcance y mantenimiento.

Métricas adicionales: 11 fuentes de evidencia independientes

Explore el razonamiento científico, las preferencias humanas, las tareas de agentes, los horizontes temporales de METR, la programación, la comprensión de gráficos, el contexto largo y la robustez ante la inyección de prompts. Cada colección conserva su escala de puntuación y sus condiciones de reutilización. Estas observaciones de fuente están aparte del ECI y del catálogo de descubrimientos.

Son instantáneas revisadas, no clasificaciones en vivo. Varias contienen resultados históricos o preliminares. Una porción de evaluación compartida acota la vista; no garantiza presupuestos, prompts o agentes equiparados. Los valores ausentes no son cero. Los nombres de fuente se conservan sin uniones inferidas con las fichas de Epoch.

Cargando evidencia numérica independiente…

Ver observaciones detalladas · Cargando recuentos…
Las 11 fuentes, selecciones y licencias

Reutilice cada componente bajo la licencia declarada, con la atribución de la fuente y los avisos de cambio. Los datos adaptados de CharXiv son CC BY-SA 4.0; los demás componentes siguen en CC BY 4.0, MIT o Apache-2.0. Estos componentes quedan fuera de la licencia general del catálogo y de la exportación a Hugging Face. No se implica el respaldo de los autores de las fuentes. Directorio completo de fuentes, licencias y mantenimiento · Directorio de componentes legible por máquina.

Explorar el inventario de modelos

Están disponibles todas las fichas de la fuente, incluidos los modelos sin ECI. Los ajustes de razonamiento por API se agrupan bajo el modelo de origen y no cuentan como generaciones nuevas.

¿Cómo se ve el ritmo de publicación registrado?

Un año que termina en la fecha de importación, 20 nov 2026. Las fechas combinan las fechas de publicación de los benchmarks y las fechas de publicación del catálogo cuando no hay fecha de publicación del modelo.

Fechas de publicación

Los modelos con la misma fecha cuentan como un solo evento. Son fechas registradas por las fuentes, no un censo de las grandes generaciones.

Leer las dos señales juntas

Un intervalo más corto significa publicaciones más frecuentes. Una ganancia de ECI mayor significa un cambio mayor en la estimación compuesta de los benchmarks. Son señales distintas; ninguna mide la productividad científica de un laboratorio.

Fuente: Epoch AI, CC BY 4.0. Exportación de benchmarks importada el 20 nov 2026 y combinada con el catálogo existente de modelos notables. El ECI usa una escala de puntos arbitraria: las diferencias son puntos, no porcentajes. Las barras de error muestran intervalos creíbles del 90 % aportados por la fuente, cuando existen; no estimamos la confianza de las diferencias por pares a partir de esos intervalos. Se conservan los grupos de modelos de la fuente y las etiquetas exactas del catálogo; pueden quedar alias y registros de publicación solapados.