Baremo IA

Resultados de los jueces IA

Evaluaciones automatizadas provisionales, mantenidas separadas de los votos humanos.

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

Juez

Claude Opus 4 8

Parcial: no es una clasificación definitiva

462 veredictos de duelo validados

Puesto Modelo Victorias Derrotas Empates Comparaciones
1 DeepSeek V4 Pro 💡 72 16 4 92
2 GLM 5.2 💡 47 32 9 88
3 Qwen 3.7 Max 💡 47 35 11 93
4 Qwen 3.7 Plus 💡 40 45 8 93
5 DeepSeek V4 Flash 💡 39 44 5 88
6 Gemma 4 26B-A4B Instruct QAT 💡 38 28 8 74
7 MiMo V2.5 Pro 💡 37 47 5 89
8 Gemma 4 31B Instruct QAT 💡 33 35 5 73
9 Qwen 3.6 27B Q4_K_M 💡 33 37 3 73
10 Qwen 3.6 35B-A3B Q4_K_M 💡 24 41 7 72
11 MiMo V2.5 💡 17 67 5 89

Juez

GPT-5.6 Sol

Parcial: no es una clasificación definitiva

696 veredictos de duelo validados

Puesto Modelo Victorias Derrotas Empates Comparaciones
1 Qwen 3.7 Max 💡 105 47 0 152
2 GLM 5.2 💡 98 53 1 152
3 DeepSeek V4 Pro 💡 88 64 0 152
4 Qwen 3.7 Plus 💡 79 77 0 156
5 DeepSeek V4 Flash 💡 75 77 0 152
6 MiMo V2.5 Pro 💡 52 100 0 152
7 Gemma 4 31B Instruct QAT 💡 49 27 5 81
8 Gemma 4 26B-A4B Instruct QAT 💡 49 30 2 81
9 Qwen 3.6 35B-A3B Q4_K_M 💡 35 45 1 81
10 MiMo V2.5 💡 33 117 2 152
11 Qwen 3.6 27B Q4_K_M 💡 27 53 1 81