Una puntuación clara. Una metodología abierta.
Fuentes y metodología
La calificación de AIpediya combina la calidad del modelo, el coste y los recursos disponibles en una sola puntuación. Junto con el número, explicamos qué tan bien lo respaldan las pruebas.
Cómo leer la escala
De 0 a 100%: una puntuación más alta refleja una combinación más fuerte de calidad, eficiencia de precios y recursos aplicables. Esta es una puntuación compuesta, no precisión en una sola prueba.
Compara modelos dentro del mismo contexto de valoración. Mostramos un rango solo cuando hay evidencia suficiente disponible.
Qué significa el asterisco
Una pequeña * junto a la puntuación indica datos incompletos, estimados o limitados. Describe la confianza en la estimación: abre la descripción emergente para ver qué está incluido y qué falta.
Verificado
Sin asterisco: la evidencia clave está confirmada y la puntuación cumple con los requisitos de verificación.
Parcialmente verificado
Se confirma cierta evidencia; quedan lagunas en la estimación.
Estimado
La evidencia es escasa; se utilizan estimaciones de referencia amplias.
Desconocido no significa mala. Cuando falta evidencia directa, utilizamos una línea base neutral con un amplio intervalo de incertidumbre. La puntuación principal sigue siendo la estimación central; una estimación conservadora informa la confianza y la comparación de líderes.
Tres componentes, una puntuación
Calidad
Resultados de pruebas permitidos, teniendo en cuenta la versión exacta del modelo y las condiciones de evaluación.
Precio
Coste estándar API comparable. La API alojada gratuita y la ejecución local se tratan por separado.
Recursos
Capacidad de contexto confirmada o el recurso relevante para este tipo de modelo.
ejecución local; el coste depende del hardware y la electricidad
Detalles y fuentes
Aquí están las reglas de cálculo, limitaciones y procedencia de los datos. Abre cualquier panel de modelos para ver su auditoría completa.
Una valoración pública
La clasificación pública de AIpediya siempre utiliza BALANCED. Los contextos describen tareas comparables; no existe una clasificación universal entre los tipos de modelos. Los perfiles de calidad y economía siguen siendo opciones internas del motor para futuras colecciones.
Pruebas externas permitidas
El maestro canónico almacena el modelo exacto, configuración, tarea, ejecutor, resultado numérico, fecha y fuente. Los resultados externos independientes y las preferencias de Arena son independientes de los informes de desarrolladores más débiles. Se excluyen la investigación no pública, los compuestos, los duplicados sustituidos y los permisos revocados. AIpediya agrega resultados externos y no opera un laboratorio de evaluación.
Escala de capacidad congelada
La cesta original de capacidades congeladas, los coeficientes de los ítems y la escala permanecen sin cambios. Los nuevos elementos aprobados requieren al menos cinco anclajes de theta congelados exactos y un encadenamiento de crestas solo para añadir. Un objeto no encadernado puede almacenarse en maestro, pero nunca puntuarse silenciosamente. Las calificaciones Bradley-Terry de la arena y el Agente IPS son métricas separadas con transformaciones congeladas separadas.
Condensadores y configuraciones exactas
El límite familiar es 1.5 observaciones efectivas; Epoch cap 6, otro límite runner 2. Arena mantiene su límite de una observación efectiva y 25% de precisión. La evidencia del desarrollador es más débil y tiene un límite de participación de precisión del 20%. El motor elige una configuración exacta por cobertura familiar objetiva y luego esfuerzo. Esfuerzos diferentes nunca se agrupan; no se infiere un esfuerzo no especificado.
Arena y LiveBench
Arena proviene únicamente del conjunto oficial de datos lmarena-ai/leaderboard en Hugging Face, con atribución CC BY 4.0 . Las versiones en bruto y controladas por estilo y agregados/subseñales no se cuentan doblemente. LiveBench utiliza resultados de tareas publicados oficialmente, con las definiciones oficiales de versión/categoría. Es una familia de objetivos separada y un runner externo independiente. Solo se importan subtareas; se excluyen los promedios de categorías y globales.
Precio y recursos aplicables
Los precios estándar de API alojados utilizan los anclajes congelados existentes y las unidades comparables. Un API alojado permanente y libre confirmado puede tener C=1. Los pesos locales sin TCO comparables verificados tienen economía N/A/autoalojado. Las definiciones de recursos dependen del contexto: contexto LLM token, límite de entrada de incrustación, límite de entrada TTS entrada, duración STT audio, resolución de imagen y duración del vídeo. Siguen faltando recursos aplicables no confirmados. No se crean nuevos anclajes arbitrarios para aumentar las puntuaciones.
Aplicabilidad y pesos
Cada componente es aplicable: conocido, aplicable o no aplicable. N/A no tiene estimación ni peso cero, y se elimina del denominador de cobertura. Los pesos BALANCED restantes se normalizan a partir de 78/16/6. Los componentes aplicables que faltan mantienen su estimación original neutral y su amplia incertidumbre. N/A y desconocido no son intercambiables.
Compuertas de pruebas
Un modelo general cualificado necesita dos familias no Arena en dos dominios. Un contexto necesita suficientes modelos, familias y corredores externos. Los contextos especializados requieren además una distintividad validada. Almacenar nuevos resultados no hace en sí mismo un contexto Listo. La investigación no aprobada SWE-bench/CODE sigue excluida.
Puntuación mostrada e incertidumbre
La Valoración Mostrada es el compuesto central 100 × Q^wq × (0.2+0.8C)^wc × (0.3+0.7K)^wk sobre componentes aplicables. Cada instantánea almacena su máscara, componentes exactos, pesos base/efectivos y ajuste explícito, actualmente cero. El tiempo de ejecución verifica la reproducción. El décimo percentil es una estimación conservativa separada de confianza/frontera y nunca reemplaza la puntuación mostrada.
Precisión, soporte y cobertura
La precisión describe la incertidumbre estadística tras ajustes de inadaptación y evidencias tempranas. El soporte cuenta rutas de corredores externos independientes: A al menos tres, B dos, C menos. Los informes de desarrolladores nunca se convierten en caminos independientes. La cobertura es la fracción de calidad relevante, precio/recurso aplicable, configuración exacta, diversidad y amplitud de corredores externos. N/A se excluye; la falta de evidencia afecta a la confianza y al asterisco.
Frescura
La frescura utiliza el corte de datos de la instantánea, no el reloj de la solicitud. Los umbrales de precio/API disponibilidad son 30/60 días, 180/365de recursos, configuración 90/180. Los hechos requeridos caducados se desconocen. Un benchmark queda excluido por invalidación o permiso revocado, no simplemente por antigüedad. La edad de la instantánea es una advertencia aparte.
Rangos compatibles y frontera
El rango público exacto está limitado a modelos cualificados dentro de un contexto compatible. La cobertura por debajo del 20% suprime el rango exacto y etiqueta la puntuación como basada en datos limitados. La frontera conservadora utiliza la brecha significativa congelada delta theta 0.28 y las puertas originales de elegibilidad. La ordenación numérica de catálogo no inventa un #N entre contextos.
Reproducibilidad
Las compilaciones usan 6,000 dibujas deterministas de Monte Carlo, o 12,000 en la zona umbral existente. Los IDs de Registro Estable definen semillas. El cálculo científico se ejecuta offline tras cambios canónicos de maestro; las lecturas en tiempo de ejecución solo se validan JSON . Se conservan instantáneas históricas y bytes de calibración originales.
Asterisco y límites
Sin asterisco se cumplen los requisitos de entrada y corroboración relevantes. Parcial * significa corroboración incompleta; Estimado * significa que una entrada requerida es desconocida o la calidad sigue siendo prior. Desconocido no significa mala. La calidad de un solo factor y la economía por token no pueden representar todas las tareas reales; los resultados de preferencia no se convierten en referencias objetivas.
Cómo se verifica el catálogo
AIpediya es un catálogo editorial de referencia de modelos de IA y herramientas de IA. Los modelos y las herramientas son catálogos separados, con su propia numeración, filtros y fichas. Es una selección curada, no un registro completo de todos los modelos que existen.
Fuentes y fechas de verificación
Cada registro se basa en fuentes: primero, la documentación oficial, el anuncio, la ficha técnica del modelo (model card) o la página de precios del desarrollador; fuentes secundarias fiables solo cuando no existe una fuente oficial. Cada ficha enlaza su fuente y muestra cuándo la revisó un editor por última vez. La fecha de verificación no es la fecha de lanzamiento ni una prueba realizada por AIpediya.
Qué se publica
Publication requires reviewed evidence of the product's existence and identity. Unresolved existence or identity questions keep a candidate in the internal review queue. A real product may remain public with unknown prices, dates or origins, explicitly distinguished from confirmed data. Removing a record from publication preserves its history.
Fechas de lanzamiento y números de catálogo
Una fecha de lanzamiento exacta solo se muestra cuando una fuente la confirma. De lo contrario, se muestra la fecha fiable más temprana de existencia pública con el signo ≈ y precisión de mes o de día. Las fechas desconocidas quedan vacías y esos registros aparecen al final en el orden cronológico. Los números de catálogo siguen las fechas de lanzamiento verificadas, de la más antigua a la más reciente; los lanzamientos de la misma fecha se ordenan por nombre.
Precios
Los precios son los precios de lista publicados por el proveedor en dólares estadounidenses, con la unidad indicada; por ejemplo, por 1 millón de tokens de entrada, por imagen, por segundo de video o por mes. Los tokens de entrada y de salida, el procesamiento por lotes, las horas de menor demanda y otros niveles se mantienen por separado junto con sus condiciones. Un nivel gratuito no es acceso gratuito e ilimitado a la API, y una suscripción corresponde a un servicio y no a una versión concreta de un modelo. Los impuestos, las cuotas y las condiciones regionales pueden cambiar el costo final. Un precio desconocido queda vacío, nunca en cero.
País de origen
Confirmed origins identify documented countries of the organizations or independent teams responsible for a product, with sources. More than one country can apply. A tentative origin is separately labeled and supported by the available evidence; it is not a confirmed country. An unknown origin does not by itself hide a real product.
Evaluaciones independientes
Solo los resultados del mismo benchmark y protocolo son comparables. Cada resultado nombra el evaluador, benchmark, configuración, instantánea y fecha de comprobación. Los resultados de los desarrolladores son independientes de las ejecuciones independientes y los índices compuestos. Los resultados de terceros requieren la identidad exacta verificada del modelo y permiso para publicar. El v1.0 de calificación de AIpediya se calcula por separado de la evidencia permitida; sus contextos y limitaciones se explican a continuación.
Pesos abiertos y licencias
Pesos abiertos significa que los pesos se pueden descargar bajo la licencia indicada por el desarrollador. No es lo mismo que código abierto, y ejecutar un modelo localmente sigue requiriendo hardware y energía.
Valores desconocidos y fuentes contradictorias
Lo desconocido se muestra vacío, nunca como cero ni como «no». Cuando las fuentes discrepan o un valor no puede confirmarse, el valor queda vacío o el registro permanece en revisión; los valores nunca se promedian ni se adivinan.
Actualizaciones y traducciones
The owner directs research assisted by AI agents and automated consistency checks, and approves publication. Reviewed batches update records, prices, facts and evaluations; an internal history preserves changes. Daily verification of every source is not guaranteed. English and Russian are the authored source languages. Other translations follow the existing pipeline; missing or outdated primary translations fall back to English and prevent indexing of that locale until ready.
Personal features and public access limits
A public general-purpose API and a public per-record revision log are not available. Personal saved models and tools, subscriptions, notifications and product discussions are available through the existing account features; they are separate from the catalog's evidence and rating calculations.
Contextos y instantáneas de datos
Datos a fecha 2026-11-03 · Versión del texto metodológico v1.0
Cómo se verifica el catálogo
Cada resultado conserva su origen, benchmark, versión del modelo y condiciones de ejecución. Utilizamos solo los datos permitidos para su publicación; los resultados de los desarrolladores se muestran por separado de las evaluaciones independientes.
Epoch AI ↗ · LMArena ↗ · LiveBench ↗
Modelos: 466 · Herramientas: 186