Enlaces a plataformas publicas donde se comparan, rankean o evaluan modelos de lenguaje. Cada sitio abre en una pestaña nueva.
10 sitio(s) disponible(s).
Es un Enfoque de Pruebas Académicas Open LLM Leaderboard: Gestionado por la comunidad en Hugging Face, este tablero se especializa exclusivamente en modelos de código abierto u open-weights
https://www.vellum.ai/llm-leaderboard
Ranking de modelos abiertos en benchmarks academicos (MMLU, GSM8K, etc.).
https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard
Kilo AI Coding Leaderboard: permite saber IA es la mejor programando, esta plataforma mide el rendimiento real de los modelos en entornos de desarrollo (workflows de código, planificación y depuración de errores).
https://kilo.ai/leaderboard
Holistic Evaluation of Language Models: bateria amplia de tareas y metricas.
https://crfm.stanford.edu/helm/
Benchmark actualizado con preguntas nuevas para reducir memorizacion del entrenamiento.
https://livebench.ai/
Plataforma de análisis comparativo diseñada para ayudar a los usuarios a evaluar y seleccionar modelos lingüísticos de gran tamaño en función de métricas de rendimiento, estructuras de precios y capacidades técnicas.
https://llm-stats.com/
Tabla de clasificación oficial y más respetada a nivel mundial para evaluar modelos de Inteligencia Artificia ¿Cómo funciona y por qué es tan importante?Votación a ciegas (Batallas): Los usuarios entran a la plataforma web e introducen cualquier pregunta o comando (prompt). Dos modelos de IA anónimos (por ejemplo, GPT-4 y Claude 3.5) responden al mismo tiempo. El usuario vota cuál dio la mejor respuesta sin saber qué IA la generó.Sistema de puntuación Elo: Al igual que en el ajedrez o en los videojuegos competitivos, las victorias y derrotas de cada IA calculan su puntuación "Elo" en tiempo real.Estándar de la industria: Se considera el termómetro más confiable y transparente del sector porque se basa en preferencias humanas reales (crowdsourcing), evitando que las empresas de IA hagan "trampa" adaptando sus modelos solo para aprobar exámenes o pruebas técnicas estáticas.
https://huggingface.co/spaces/lmarena-ai/arena-leaderboard
Comparativa de latencia, precio y calidad entre proveedores y modelos.
https://artificialanalysis.ai/
Catalogo de modelos disponibles, precios y contexto maximo por proveedor.
https://openrouter.ai/models
Estado del arte y papers recientes en modelado de lenguaje.
https://paperswithcode.com/task/language-modelling