¿Para qué sirve este comparador de IA?

Para elegir entre dos modelos de inteligencia artificial con datos medidos en lugar de opiniones. Te decimos cuál se inventa menos cosas, cuál se conecta mejor a tus herramientas (APIs, funciones), y cuál suelen preferir los usuarios en pruebas a ciegas.

¿De dónde salen los datos de la comparativa?

De tres fuentes independientes y verificables: Vectara para invento (hallucination_rate y factual_consistency), Berkeley Function-Calling Leaderboard (BFCL) para uso de herramientas, y Arena AI (LMSys) para preferencia humana en pruebas a ciegas. Los datos se actualizan cada vez que las fuentes publican mediciones nuevas.

¿Por qué algunas filas dicen no medido todavía?

Porque no inventamos. Si una fuente independiente todavía no ha medido a un modelo en una métrica concreta, lo decimos abiertamente. Preferimos mostrar la ausencia de dato a rellenar la celda con un número estimado o un valor por defecto.

¿Cómo elijo entre dos IAs?

Selecciona dos modelos en los desplegables y mira la sección Recomendación por caso de uso. Te decimos cuál conviene para redactar (informes, emails), para programar (APIs, scripts) o para chatear (uso general). Si la diferencia es menor del 1% lo decimos también: cualquiera vale para ese caso.

¿Qué IA es mejor: GPT, Claude o Gemini?

Depende del caso de uso y de la versión. Elige dos modelos concretos en los selectores (por ejemplo GPT-5 contra Claude 4.5) y mira las diferencias por sección. La respuesta cambia según lo que te importe: veracidad, capacidad de usar herramientas o preferencia humana.

¿Puedo comparar modelos chinos como Qwen, ERNIE, Kimi o DeepSeek?

Sí. El carrusel de la izquierda incluye Qwen (Alibaba), ERNIE (Baidu), Kimi (Moonshot AI), GLM (Zhipu AI), Yi (01.AI), Hunyuan (Tencent) y Doubao (ByteDance) junto a los modelos occidentales. Una tarjeta atenuada indica que esa marca está en el catálogo pero las fuentes aún no han publicado mediciones suyas.

¿Puedo confiar en estos datos?

Las mediciones vienen de fuentes independientes y verificables: Vectara, Berkeley BFCL y LMSys (Arena AI). No tenemos relación comercial con las empresas que fabrican los modelos. Cada celda lleva la fecha real de la medición; si una fuente lleva más de 30 días sin actualizar, el comparador lo avisa.

¿Puedo descargar la comparativa en PDF?

Sí. Al final de la página hay un botón Descargar PDF que genera un documento con los mismos datos que ves en pantalla. Es gratis, sin registro y sin anuncios. También puedes compartir el enlace de la comparativa con el botón Compartir.

¿Cómo puedo estar informado de las novedades de IA?

Tenemos dos newsletters gratuitas: una para noticias de incidentes IA (te llega cuando publicamos una noticia nueva) y otra para alertas de seguridad IA (te llega cuando hay una vulnerabilidad). Solo necesitas tu correo, sin spam, y puedes darte de baja en cualquier momento desde cualquier email. Para suscribirte, abre cualquier noticia o alerta del sitio: verás el formulario al final.

Comparar IA

Decide con datos tu mejor opción

Modelo A

Modelo B

Identificación

Nombre

Gemma-3-12b-it (Prompt)

Mistral-Small-2506 (Prompt)

Empresa

Otro

Mistral

Familia / Sistema

Sin datos

Última medición

11 may 2026

¿Sabe trabajar con tus herramientas?

Capacidad para llamar APIs y orquestar acciones.

¿Acierta cuando llama a tus aplicaciones?

Acierta 3.0 de cada 10 veces

★Acierta 3.2 de cada 10 veces

Gana Mistral-Small-2506 (Prompt). Importante si conectas la IA a APIs, herramientas o automatizaciones de tu trabajo.

¿Sabe usar UNA herramienta?

Acierta 7.6 de cada 10 veces

★Acierta 7.9 de cada 10 veces

Gana Mistral-Small-2506 (Prompt). Para tareas simples donde la IA solo tiene que decidir cuándo llamar a una integración.

¿Elige bien entre varias herramientas?

94 de cada 100 veces

★96 de cada 100 veces

Gana Mistral-Small-2506 (Prompt). Importante si tu agente tiene un menú de funciones y debe elegir cuál usar.

¿Sabe usar varias a la vez sin liarse?

91 de cada 100 veces

★93 de cada 100 veces

Gana Mistral-Small-2506 (Prompt). Para orquestar varias acciones simultáneas (consultar, reservar, notificar).

Datos básicos

Modalidad

agente autónomo

Fuentes que lo miden

bfcl

Total mediciones

¿Qué SÍ sabe hacer?

Capacidades verificadas con datos del dataset. Si falta evidencia, lo marcamos como no medido todavía; nunca afirmamos lo contrario.

¿Lee y escribe texto?

Sí

¿Llama funciones de tu código?

Sí (medido en BFCL)

¿Qué NO sabe hacer?

Avisos basados en evidencia medida. Si el modelo no supera ningún umbral, lo decimos abiertamente.

Gemma-3-12b-it (Prompt)

No tenemos avisos negativos verificados sobre este modelo todavía.

Mistral-Small-2506 (Prompt)

No tenemos avisos negativos verificados sobre este modelo todavía.

Recomendación por caso de uso

Sugerencia basada en mediciones reales. Si falta evidencia, lo decimos abiertamente.

RedactarInformes, emails, artículos.

No tenemos suficientes mediciones sobre redactar para recomendar todavía.

ProgramarAPIs, scripts, automatización.

Gana Mistral-Small-2506 (Prompt). Acierta más cuando llama a tus aplicaciones y funciones.

Chatear (uso general)Conversación cotidiana, preguntas variadas.

No tenemos suficientes mediciones sobre chatear (uso general) para recomendar todavía.

Frescura de los datos

Última medición

11 may 2026

Antigüedad

Hoy

Sigue explorando: últimas noticias de IA · informes y análisis · alertas de seguridad · índice de fallos IA con datos completos.

Llévate esta comparativa contigo o pásala a quien la necesite. Sin registro, sin coste.