Metodología
Publicamos las consignas, los criterios y los datos agregados. Aquí explicamos cómo se calcula la clasificación.
Consignas nativas específicas de cada idioma
Cada comparación utiliza una consigna de escritura revisada y dos respuestas generadas previamente en el idioma seleccionado. Ningún modelo se ejecuta en el servidor público.
Comparaciones humanas a ciegas
Los nombres de los modelos permanecen ocultos mientras una persona compara la respuesta A con la B. El orden de presentación se mantiene para esa persona y se registra con el voto.
Votos y exclusiones
A es mejor, B es mejor, empate y ambas son malas cuentan para los resultados humanos. Error o no válido y omitir se registran, pero se excluyen; ambas son malas asigna una derrota a los dos modelos.
Resultados provisionales y separados
Los duelos por pares juzgados por IA determinan la clasificación principal provisional. Los votos humanos constituyen una señal independiente; ambos canales se presentan por separado y nunca se combinan.