Página automatizada. Redactada y traducida automáticamente por IA y verificada con las fuentes mediante software; sin editor humano. SI-IQ es un índice elaborado a partir de resultados públicos de benchmarks, no una prueba de CI. Cómo funciona
Los benchmarks detrás del SI-IQ
SI-IQ utiliza actualmente 13 benchmarks en su índice (14 en seguimiento en total). Cada uno lo ejecuta un evaluador independiente; las afirmaciones de los propios desarrolladores nunca se utilizan en el índice.
| Benchmark | Área | Evaluado por | Modelos |
|---|---|---|---|
| Chess Puzzles | Razonamiento | Epoch AI | 81 |
| Furniture Assembly | Razonamiento | Epoch AI | 34 |
| Mystery Game Puzzles | Razonamiento | Epoch AI | 78 |
| FrontierMath Tier 4 | Matemáticas | Epoch AI | 68 |
| FrontierMath Tiers 1–3 | Matemáticas | Epoch AI | 86 |
| MATH Level 5 | Matemáticas | Epoch AI | 86 |
| OTIS Mock AIME 2024–2025 | Matemáticas | Epoch AI | 193 |
| Aider Polyglot | Programación | Aider | 40 |
| SWE-bench Verified (ejecución de Epoch AI) | Programación | Epoch AI | 32 |
| GPQA Diamond | Conocimiento | Epoch AI | 205 |
| GPQA Diamond (ejecución de OpenRouter) | Conocimiento | OpenRouter | 117 |
| SimpleQA Verified | Conocimiento | Epoch AI | 81 |
| Berkeley Function Calling Leaderboard | Agentes | UC Berkeley (Gorilla) | 41 |
| τ²-bench Airline (ejecución de OpenRouter) | Agentes | OpenRouter | 117 |
La carga k indica con qué intensidad un benchmark distingue a los modelos más fuertes de los más débiles en la escala común de capacidad (a mayor valor, más informativo). Leer la metodología completa
Fuentes de datos y licencias
| Fuente | Licencia / términos | En nuestra descarga |
|---|---|---|
| Epoch AI Benchmarking Hub | CC BY 4.0 | Sí |
| OpenRouter benchmark datasets | CC BY 4.0 | Sí |
| Aider LLM Leaderboards | Apache-2.0 | Sí |
| Berkeley Function Calling Leaderboard | Apache-2.0 | Sí |
| Arena (formerly LMArena) leaderboard dataset | CC BY 4.0 | Sí |
| LiteLLM model price table | MIT | Sí |