Baremo IA · una edición en español de The AI Writing Benchmark

Baremo de Escritura IA

¿Qué IA escribe mejor en español?

El banco de pruebas independiente que compara, a ciegas, cómo escriben los modelos de IA en español.

Compara a ciegas dos textos y ayuda a construir la clasificación.

Empezar un duelo Ver la clasificación

Clasificación por IA de modelos que escriben en español

Los jueces de IA determinan la clasificación principal; los votos humanos se muestran por separado mientras crece la muestra de la comunidad.

Actualizado

Modelos comparados12
Veredictos de los jueces de IA885
Votos humanos0
Puesto Modelo Puntuación del juez de IA Puntuación humana
1 Gemma 4 26B-A4B Instruct QAT 67,7 —
2 DeepSeek V4 Pro 65,3 —
3 Qwen 3.7 Max 61,5 —
4 GLM 5.2 60,4 —
5 Qwen 3.7 Plus 50,3 —
6 Qwen 3.6 27B Q4_K_M 49,6 —
7 DeepSeek V4 Flash 49,2 —
8 Gemma 4 31B Instruct QAT 48,3 —
9 MiMo V2.5 Pro 39,9 —
10 Qwen 3.6 35B-A3B Q4_K_M 36,8 —
11 MiMo V2.5 23,0 —
— MiniMax M3A la espera del primer duelo juzgado por IA — —

Método: modelo Bradley–Terry regularizado. La puntuación del juez de IA determina el puesto; la puntuación humana es independiente y seguirá siendo secundaria hasta que haya más votos de la comunidad. Una puntuación de 50 representa una probabilidad estimada del 50 % de superar al modelo medio en este idioma y categoría.

Resultados directos de los duelos

Cada celda muestra la puntuación del modelo de la fila frente al de la columna: una victoria vale el 100%, un empate el 50% y una derrota el 0%. Esta matriz de resultados utiliza únicamente los protocolos de evaluación compatibles incluidos en la clasificación principal.

Ver como tabla de datos
ModeloGemma 4 26B-A4B Instruct QATDeepSeek V4 ProQwen 3.7 MaxGLM 5.2Qwen 3.7 PlusQwen 3.6 27B Q4_K_MDeepSeek V4 FlashGemma 4 31B Instruct QATMiMo V2.5 ProQwen 3.6 35B-A3B Q4_K_MMiMo V2.5MiniMax M3
Gemma 4 26B-A4B Instruct QAT—57,1%64,3%57,1%75,0%75,0%37,5%81,2%57,1%87,5%100,0%—
DeepSeek V4 Pro42,9%—59,7%58,3%66,1%57,1%70,0%57,1%80,6%57,1%77,4%—
Qwen 3.7 Max35,7%40,3%—50,0%71,7%57,1%71,7%42,9%70,0%64,3%83,3%—
GLM 5.242,9%41,7%50,0%—58,3%57,1%71,7%71,4%61,7%71,4%85,0%—
Qwen 3.7 Plus25,0%33,9%28,3%41,7%—37,5%56,7%56,2%66,7%75,0%76,7%—
Qwen 3.6 27B Q4_K_M25,0%42,9%42,9%42,9%62,5%—37,5%43,8%35,7%75,0%85,7%—
DeepSeek V4 Flash62,5%30,0%28,3%28,3%43,3%62,5%—71,4%65,0%50,0%86,7%—
Gemma 4 31B Instruct QAT18,8%42,9%57,1%28,6%43,8%56,2%28,6%—57,1%62,5%85,7%—
MiMo V2.5 Pro42,9%19,4%30,0%38,3%33,3%64,3%35,0%42,9%—71,4%63,3%—
Qwen 3.6 35B-A3B Q4_K_M12,5%42,9%35,7%28,6%25,0%25,0%50,0%37,5%28,6%—71,4%—
MiMo V2.50,0%22,6%16,7%15,0%23,3%14,3%13,3%14,3%36,7%28,6%——
MiniMax M3————————————

Cobertura de duelos publicados

Cada celda muestra cuántos duelos juzgados por IA, de todos los protocolos de evaluación publicados, comparan los dos modelos para este idioma y categoría.

Ver como tabla de datos
ModeloGemma 4 26B-A4B Instruct QATDeepSeek V4 ProQwen 3.7 MaxGLM 5.2Qwen 3.7 PlusQwen 3.6 27B Q4_K_MDeepSeek V4 FlashGemma 4 31B Instruct QATMiMo V2.5 ProQwen 3.6 35B-A3B Q4_K_MMiMo V2.5MiniMax M3
Gemma 4 26B-A4B Instruct QAT077788887870
DeepSeek V4 Pro7031303173073173131
Qwen 3.7 Max7310303073073073030
GLM 5.27303003073073073030
Qwen 3.7 Plus8313030083083083030
Qwen 3.6 27B Q4_K_M877780887870
DeepSeek V4 Flash8303030308073083030
Gemma 4 31B Instruct QAT877788707870
MiMo V2.5 Pro7313030307307073030
Qwen 3.6 35B-A3B Q4_K_M877788887070
MiMo V2.57313030307307307030
MiniMax M30313030300300300300

Ayuda a elegir el mejor LLM para escribir en español

¿Qué modelo escribe el mejor texto? Juzga esta pareja anónima y contribuye a la clasificación humana.

Durante el duelo no verás qué modelo escribió cada texto. Los nombres se revelan al terminar.

Consigna

Escribe un brindis de entre 50 y 150 palabras para pronunciar en voz alta durante el banquete de la boda de tu hermana Elena con su pareja, Daniel. Eres el hermano menor de la novia y el público son unos ochenta invitados, entre familia y amigos. El propósito es emocionar y arrancar alguna sonrisa: puedes mencionar que Elena te enseñó a montar en bici y que Daniel conquistó a la familia cocinando un arroz el primer día que vino a casa. Cierra invitando a todos a levantar la copa.

Opcional: valora esta consigna

Los nombres de los modelos permanecen ocultos hasta que finaliza la comparación.

Respuesta A

Hola a todos. Elena, siempre has sido mi guía y mi ejemplo. Nunca olvidaré cuando me enseñaste a montar en bici; aunque me soltaste antes de que estuviera listo, me enseñaste que el mundo es enorme y que podía recorrerlo.

Y luego llegó Daniel. No te voy a mentir, estábamos atentos, pero aquel arroz que cocinaste el primer día que viniste a casa nos conquistó a todos, especialmente a mi estómago. Gracias por cuidar de ella y por entrar en nuestra familia con tanta alegría.

Veros hoy así, tan felices y unidos, es el regalo más grande para nosotros. Por una vida llena de risas, aventuras y, por supuesto, más platos deliciosos.

¡Por favor, levantemos todos la copa por Elena y Daniel! ¡Salud!

Respuesta B

Elena siempre ha sido mi hermana mayor, mi guía, mi ejemplo. Me enseñó a montar en bici, a no rendirme cuando me caía y a seguir pedaleando. Y eso es justo lo que ha hecho siempre: avanzar con determinación, con una sonrisa enorme y con el corazón en la mano.

Y entonces llegó Daniel. El primer día que vino a casa, se metió en la cocina y nos preparó un arroz spectacular. Setenta y cinco por ciento de la familia se enamoró de él al primer bocado. El otro veinticinco por ciento estaba esperando el postre para confirmar. Pero hoy, con este brindis, os confirmo que nos conquistaste a todos.

Elena, te mereces toda la felicidad del mundo. Daniel, bienvenido a la familia. Nunca dejes de cocinar.

Por Elena y Daniel. ¡Levantaos todos la copa y brindemos por su amor!

Publicamos las consignas, los criterios y los datos agregados. Puedes consultar cómo se calcula la clasificación en Metodología.