Baremo IA

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 IA comparables1158
Votos humanos0

razonamiento activado · sin razonamiento = desactivado explícitamente · razonamiento ? = modo de razonamiento desconocido

Puesto Modelo Puntuación del juez de IA Puntuación humana
1 DeepSeek V4 Pro 💡 65,4 —
2 Qwen 3.7 Max 💡 63,6 —
3 GLM 5.2 💡 61,9 —
4 Gemma 4 26B-A4B Instruct QAT 💡 59,0 —
5 Gemma 4 31B Instruct QAT 💡 56,4 —
6 Qwen 3.7 Plus 💡 49,8 —
7 DeepSeek V4 Flash 💡 48,9 —
8 Qwen 3.6 35B-A3B Q4_K_M 💡 41,9 —
9 Qwen 3.6 27B Q4_K_M 💡 41,1 —
10 MiMo V2.5 Pro 💡 39,1 —
11 MiMo V2.5 💡 24,6 —
— MiniMax M3 · razonamiento ?A 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
ModeloDeepSeek V4 Pro 💡Qwen 3.7 Max 💡GLM 5.2 💡Gemma 4 26B-A4B Instruct QAT 💡Gemma 4 31B Instruct QAT 💡Qwen 3.7 Plus 💡DeepSeek V4 Flash 💡Qwen 3.6 35B-A3B Q4_K_M 💡Qwen 3.6 27B Q4_K_M 💡MiMo V2.5 Pro 💡MiMo V2.5 💡MiniMax M3 · razonamiento ?
DeepSeek V4 Pro 💡—59,7%58,3%46,7%56,7%66,1%70,0%60,0%73,3%80,6%77,4%—
Qwen 3.7 Max 💡40,3%—50,0%50,0%46,9%71,7%71,7%84,4%75,0%70,0%83,3%—
GLM 5.2 💡41,7%50,0%—56,7%56,7%58,3%71,7%76,7%73,3%61,7%85,0%—
Gemma 4 26B-A4B Instruct QAT 💡53,3%50,0%43,3%—59,4%58,8%40,0%66,7%71,9%66,7%83,3%—
Gemma 4 31B Instruct QAT 💡43,3%53,1%43,3%40,6%—61,8%46,7%53,3%70,0%73,3%80,0%—
Qwen 3.7 Plus 💡33,9%28,3%41,7%41,2%38,2%—56,7%58,8%47,1%66,7%76,7%—
DeepSeek V4 Flash 💡30,0%28,3%28,3%60,0%53,3%43,3%—46,7%53,3%65,0%86,7%—
Qwen 3.6 35B-A3B Q4_K_M 💡40,0%15,6%23,3%33,3%46,7%41,2%53,3%—46,7%46,7%66,7%—
Qwen 3.6 27B Q4_K_M 💡26,7%25,0%26,7%28,1%30,0%52,9%46,7%53,3%—43,3%70,0%—
MiMo V2.5 Pro 💡19,4%30,0%38,3%33,3%26,7%33,3%35,0%53,3%56,7%—63,3%—
MiMo V2.5 💡22,6%16,7%15,0%16,7%20,0%23,3%13,3%33,3%30,0%36,7%——
MiniMax M3 · razonamiento ?————————————

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
ModeloDeepSeek V4 Pro 💡Qwen 3.7 Max 💡GLM 5.2 💡Gemma 4 26B-A4B Instruct QAT 💡Gemma 4 31B Instruct QAT 💡Qwen 3.7 Plus 💡DeepSeek V4 Flash 💡Qwen 3.6 35B-A3B Q4_K_M 💡Qwen 3.6 27B Q4_K_M 💡MiMo V2.5 Pro 💡MiMo V2.5 💡MiniMax M3 · razonamiento ?
DeepSeek V4 Pro 💡03130151531301515313131
Qwen 3.7 Max 💡31030161630301616303030
GLM 5.2 💡30300151530301515303030
Gemma 4 26B-A4B Instruct QAT 💡1516150161715151615150
Gemma 4 31B Instruct QAT 💡1516151601715151515150
Qwen 3.7 Plus 💡31303017170301717303030
DeepSeek V4 Flash 💡30303015153001515303030
Qwen 3.6 35B-A3B Q4_K_M 💡1516151515171501515150
Qwen 3.6 27B Q4_K_M 💡1516151615171515015150
MiMo V2.5 Pro 💡31303015153030151503030
MiMo V2.5 💡31303015153030151530030
MiniMax M3 · razonamiento ?3130300030300030300

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

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!

Respuesta B

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!

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