Ir al contenido
Model Wayfinder
Metodología

Cómo funcionan las recomendaciones

Las recomendaciones siguen reglas fijas. Ninguna IA toma la decisión y no hay espacios publicitarios de pago.

01 · Exclusión

Primero se eliminan los modelos que no cumplen con los requisitos: una ventana de contexto demasiado pequeña para la longitud del texto seleccionado (8,000 / 32,000 / 200,000 tokens), falta de entrada de imagen para el análisis de imágenes, imposibilidad de procesar en la región solicitada, o ausencia de pesos disponibles para uso local.

Para uso local también verificamos si el modelo cabe en la memoria de tu hardware. Estimación para la versión comprimida (Q4): 0.6 GB por mil millones de parámetros más 1.5 GB de espacio adicional.

Para usarlos en el trabajo o en equipos, se excluyen los modelos cuya licencia prohíbe el uso comercial.

02 · Puntuación

Cada modelo evaluado tiene un nivel de calidad del 1 al 3 según la tarea. Estos niveles provienen de clasificaciones públicas: el tercio superior es nivel 3, el tercio intermedio es nivel 2 y el tercio inferior es nivel 1. Para cada tarea utilizamos la clasificación más específica disponible.

Tarea Clasificación (de respaldo)
Escribir textos LMArena Creative Writing (Text)
Resumir documentos LMAArena Document (Longer Query, Text)
Chatbot LMAArena Text
Programación LMAArena Coding (WebDev)
Traducir LMAArena Non-English (Text)
Matemáticas LMArena Math
Analizar imágenes LMAArena Vision
Analizar videos LMAArena Vision – aún no existe una clasificación pública para la comprensión de videos, por lo que se usa la de imágenes como aproximación
Crear/editar imágenes LMAArena Text-to-Image / Image Edit
Crear videos / foto → video LMAArena Text-to-Video / Image-to-Video
Transcribir audio Hugging Face Open ASR Leaderboard (promedio de la posición en inglés y multilingüe)

Las clasificaciones de LMArena se basan en millones de comparaciones aleatorias realizadas por usuarios reales. La tabla de líderes de Open ASR mide la tasa de errores de palabras en grabaciones de prueba fijas (menor valor significa mejor calidad). Si eliges un campo especializado como derecho, medicina, negocios o ciencia, la clasificación correspondiente de LMAArena se suma como un nivel adicional en el promedio. Los modelos que no aparecen en ninguna de estas clasificaciones no reciben calificación. Corregimos manualmente los niveles individuales cuando contamos con fuentes más precisas y lo indicamos en la página del modelo. El precio de una solicitud típica se muestra en escala logarítmica, ya que los precios pueden variar mil veces. Ambos valores se ajustan según tu prioridad.

Prioridad Calidad Precio
Barato 30 % 70 %
Equilibrado 50 % 50 %
Mejor calidad 80 % 20 %

A partir de 10,000 solicitudes al mes, la ponderación cambia 10 puntos porcentuales a favor del precio, ya que las pequeñas diferencias de precio comienzan a sumarse. En caso de empate, gana el precio más bajo y, luego, el ventana de contexto más grande.

03 · Realizar varias tareas al mismo tiempo

Puedes seleccionar varias tareas. Las tareas de texto y análisis son respondidas por un mismo modelo que debe manejar todas ellas; su calidad es el promedio de sus niveles para esas tareas. Las imágenes, los videos y la transcripción tienen su propia tarifa, ya que casi ningún modelo hace todo. Las imágenes se cobran por imagen, los videos por clip de 10 segundos y la transcripción por minuto de audio. Estos precios provienen de la lista pública de precios de LiteLLM; cuando hay varios proveedores o niveles de calidad, usamos el precio medio (típico), no el más barato. Los modelos de reconocimiento de voz sin opción en la nube solo son recomendables para uso local.

04 · Puntos de referencia

Los resultados de las pruebas de referencia usan diferentes escalas (porcentajes, puntos Elo, tasas de error), por lo que no se pueden promediar simplemente. Convertimos cada puntuación en una posición del 0 al 100 entre todos los modelos listados aquí que realizaron la misma prueba de referencia (100 = mejor; en el caso de las tasas de error, el valor más bajo es mejor). Solo se muestra una posición cuando hay al menos 3 modelos con los que compararla. El promedio de las pruebas de referencia es la media de estas posiciones. Las “fortalezas” son las áreas con una posición promedio de 75 o más, mientras que las “debilidades” son las de 30 o menos. Las pruebas de referencia no influyen en las recomendaciones; estas se basan en nuestros niveles de calidad verificados.

05 · Fuentes de datos

Modelos y precios: OpenRouter. Pesos abiertos y proveedores de hosting (por región): models.dev. Licencia y tamaño de los modelos abiertos: Hugging Face. Rankings: LMArena y el Open ASR Leaderboard. Precios por imagen, por segundo de video y por minuto de audio: LiteLLM. Tipo de cambio: Banco Central Europeo. Todo se actualiza automáticamente cada día; si una fuente está caída, se mantienen los últimos valores conocidos.

06 · Anuncios

Si mostramos anuncios, estos llevan una etiqueta clara, aparecen solo en secciones separadas y nunca afectan los rankings ni las recomendaciones.

07 · Límites

Los niveles de calidad son una simplificación. Los precios provienen de OpenRouter y pueden variar al comprar directamente al proveedor o en otras regiones. Las cantidades de memoria son estimaciones. Los modelos sin nuestra propia calificación aparecen en la comparación, pero no en las recomendaciones.

Algunos tipos de IA aún no están incluidos, como la generación de música, los modelos 3D y CAD, o la salida de voz (texto a voz). Por ahora no existe una clasificación pública con datos abiertos que podamos utilizar. Preferimos excluirlos antes que dar recomendaciones sin fuentes.

Las notas de privacidad no constituyen asesoría legal. Revisa tú mismo los contratos, como los acuerdos de procesamiento de datos, con el proveedor.