Évaluation Actualizado 2026-04

Benchmark de IA

AI Benchmark
Definición

Un benchmark de IA es una prueba estandarizada que mide y compara el rendimiento de los modelos de inteligencia artificial en tareas específicas.

Ver también en el glosario

L
LLM (Large Language Model)
An LLM is an AI model trained on billions of texts, capable of understanding and generating human language.
F
Foundation Model
A foundation model is a large AI model pre-trained on massive data, adaptable to multiple tasks.
A
AI Hallucination
An AI hallucination is a response generated by an AI model that appears plausible but is factually incorrect or fabricated.
A
AI Reasoning
AI reasoning refers to a model's ability to break down a problem into logical steps to reach a conclusion, rather than answering instinctively.

Herramientas que usan benchmark de ia

C
ChatGPT
El asistente de IA conversacional más usado del mundo
4.6/5
C
Claude
La IA que entiende los matices, de Anthropic
4.7/5
G
Gemini
El asistente de IA de Google con contexto de 1M de tokens
4.5/5
D
DeepSeek
El modelo chino open source que rivaliza con GPT-4
4.7/5

Preguntas frecuentes

¿Cuáles son los benchmarks de IA más conocidos?
MMLU (conocimiento general), HumanEval (código), MATH (matemáticas), HellaSwag (razonamiento) y el Arena ELO de LMSYS (ranking por votos humanos).
¿Son confiables los benchmarks?
Parcialmente. Los modelos pueden optimizarse para rendir en los benchmarks sin ser mejores en la práctica. El ranking Arena ELO se considera el más representativo.