Benchmarks de Zabio
Benchmarks de modelos de IA por tarea
Probados el 25 de septiembre de 2026: 2 modelos, Matemáticas, SQL y consultas de datos, con 3 niveles de razonamiento, en 380 preguntas. Cada número muestra su rango del 90 % y en cuántas preguntas se basa.
- Matemáticas (muy difícil): la mejor opción entre los modelos probados es deepseek-flash con razonamiento alto, a 9,18 USD por cada 1.000 tareas.
- SQL y consultas de datos (muy difícil): la mejor opción entre los modelos probados es deepseek-flash con razonamiento bajo, a 4,29 USD por cada 1.000 tareas.
- Probado
- 25 de septiembre de 2026
- Modelos
- 2
- Preguntas
- 380
- Conjunto de preguntas
pilot-2026-09-25- Metodología
- 1.0
La mejor opción para cada trabajo
Para cada tarea y dificultad, tres opciones entre las probadas hasta ahora: la mejor es la opción más barata sin otra que sea probablemente mejor, la económica es la más barata que no es claramente peor que las de arriba, y la equilibrada queda entre las dos.
Matemáticas
| Dificultad | Mejor | Equilibrada | Económica |
|---|---|---|---|
| Fácil | deepseek-flashRazonamiento bajo0,27 USD | deepseek-flashRazonamiento bajo0,27 USD | deepseek-flashRazonamiento bajo0,27 USD |
| Media | deepseek-flashRazonamiento bajo0,62 USD | deepseek-flashRazonamiento bajo0,62 USD | deepseek-flashRazonamiento desactivado0,59 USD |
| Difícil | deepseek-flashRazonamiento bajo2,26 USD | deepseek-flashRazonamiento bajo2,26 USD | deepseek-flashRazonamiento desactivado1,66 USD |
| Muy difícil | deepseek-flashRazonamiento alto9,18 USD | deepseek-flashRazonamiento alto9,18 USD | deepseek-flashRazonamiento bajo6,38 USD |
Modelos comparados: deepseek-flash, deepseek-v4-pro
SQL y consultas de datos
| Dificultad | Mejor | Equilibrada | Económica |
|---|---|---|---|
| Fácil | deepseek-flashRazonamiento desactivado0,24 USD | deepseek-flashRazonamiento desactivado0,24 USD | deepseek-flashRazonamiento desactivado0,24 USD |
| Media | deepseek-flashRazonamiento alto1,87 USD | deepseek-flashRazonamiento alto1,87 USD | deepseek-flashRazonamiento desactivado0,45 USD |
| Difícil | deepseek-flashRazonamiento bajo2,10 USD | deepseek-flashRazonamiento bajo2,10 USD | deepseek-flashRazonamiento bajo2,10 USD |
| Muy difícil | deepseek-flashRazonamiento bajo4,29 USD | deepseek-flashRazonamiento bajo4,29 USD | deepseek-flashRazonamiento bajo4,29 USD |
Modelos comparados: deepseek-flash, deepseek-v4-pro
Precio y aciertos
Cada punto es un modelo con un nivel de razonamiento: costo por cada 1.000 tareas en horizontal, aciertos en vertical. Arriba a la izquierda es mejor.
Matemáticas
SQL y consultas de datos
Costo por cada 1.000 tareas, precio de lista, escala logarítmica. Aciertos, %.
Cómo se comparan los modelos en benchmarks públicos
Resultados semanales de Epoch AI, LMArena y LiveBench, como precio frente a puntuación para cada tipo de tarea. Zabio usa estos mismos resultados para elegir el modelo de cada trabajo.
Agregado de resultados públicosConsultado el 1 de octubre de 2026
Redacción
Escritura creativa
Resúmenes
Extracción de datos
Clasificación
Conversación
Análisis y razonamiento
Matemáticas
Todavía nadie publica un resultado con puntuación para esto. Los modelos de abajo solo tienen rating de preferencia.
Escribir código
Arreglar código
SQL y consultas de datos
Uso de herramientas
Leer imágenes
Todavía nadie publica un resultado con puntuación para esto. Los modelos de abajo solo tienen rating de preferencia.
Preguntas sobre un documento
Todavía nadie publica un resultado con puntuación para esto. Los modelos de abajo solo tienen rating de preferencia.
Precio por 1.000 tareas, USD. Puntuación, %. En gris: un modelo más barato ya puntúa igual. Con anillo: la opción mejor, equilibrada y barata.
Fuentes
- Epoch AIEpoch AI, Capabilities and Benchmarking, epoch.ai/benchmarks, consultado el 2026-10-01Licencia: CC BY 4.0Consultado el 1 de octubre de 2026
- LMArenaConjunto de datos del ranking de LMArena (lmarena-ai/leaderboard-dataset en Hugging Face), consultado el 2026-10-01Licencia: CC BY 4.0Consultado el 1 de octubre de 2026
- LiveBenchLiveBench (White et al.), ranking 2026-06-25, livebench.ai, consultado el 2026-10-01Licencia: Code Apache 2.0 and MIT; leaderboard results used with attributionConsultado el 1 de octubre de 2026
Qué son estos números
- Estas cifras vienen de las fuentes que indica cada fila, no de las pruebas propias de Zabio. Las pruebas de Zabio se muestran aparte y nunca se combinan con ellas en una sola cifra.
- Las fuentes prueban los modelos con sus propios ajustes. Una diferencia de ajustes respecto a cómo Zabio llama al modelo se marca en la fila y reduce su peso.
- Las puntuaciones solo se comparan dentro de un mismo benchmark. Las puntuaciones por tarea combinan benchmarks por evidencia en errores estándar, así que son un resumen, no un resultado de benchmark.
- Un modelo ausente de todas las fuentes aparece como tal en lugar de omitirse.
Los resultados de nuestras propias pruebas tienen su propia sección.
Modelos probados
La página de cada modelo muestra todos los niveles de razonamiento lado a lado, por tarea y dificultad.
- deepseek-flashDeepSeekRazonamiento desactivado, Razonamiento bajo, Razonamiento alto
- deepseek-v4-proDeepSeekRazonamiento desactivado, Razonamiento bajo, Razonamiento alto
Cara a cara
Cambios
- 25 de septiembre de 2026deepseek-flash: Primeros resultados: matemáticas y SQL con tres niveles de razonamiento.
- 25 de septiembre de 2026deepseek-v4-pro: Primeros resultados: matemáticas y SQL con tres niveles de razonamiento.
Preguntas
¿Cuál es el mejor modelo para matemáticas?
Entre los modelos probados hasta ahora, deepseek-flash con razonamiento alto es la mejor opción en las preguntas más difíciles de matemáticas, a 9,18 USD por cada 1.000 tareas (probado el 25 de septiembre de 2026).
¿Cuál es el modelo más económico que hace bien matemáticas?
En las preguntas más difíciles de matemáticas, la opción económica entre los modelos probados hasta ahora es deepseek-flash con razonamiento bajo, a 6,38 USD por cada 1.000 tareas.
¿Cuál es el mejor modelo para SQL y consultas de datos?
Entre los modelos probados hasta ahora, deepseek-flash con razonamiento bajo es la mejor opción en las preguntas más difíciles de SQL y consultas de datos, a 4,29 USD por cada 1.000 tareas (probado el 25 de septiembre de 2026).
¿Cuál es el modelo más económico que hace bien SQL y consultas de datos?
En las preguntas más difíciles de SQL y consultas de datos, la opción económica entre los modelos probados hasta ahora es deepseek-flash con razonamiento bajo, a 4,29 USD por cada 1.000 tareas.
¿Razonar hace mejor a un modelo?
En preguntas fáciles casi no cambia el resultado y cuesta más. En las más difíciles puede sumar muchos aciertos. La página de cada modelo muestra todos los niveles lado a lado.
¿De dónde salen estos números?
De los principales benchmarks públicos, Epoch AI, LMArena y LiveBench, actualizados cada semana, y de las pruebas propias de Zabio, donde cada modelo se llama con la API de Zabio y cada respuesta se corrige de forma automática. Zabio usa estos mismos resultados para elegir el modelo de cada trabajo. Cada gráfico indica sus fuentes.
Lee esto primero
- Los problemas AIME son públicos y pueden estar en los datos de entrenamiento, así que los resultados de matemáticas en el nivel más difícil pueden estar inflados. Lo fiable son las diferencias entre niveles de razonamiento.
- Las preguntas de SQL se conservaron solo si un modelo independiente, ajeno a la prueba, las respondía bien, lo que limita la dificultad de las más difíciles.
- Estos resultados comparan modelos y niveles de DeepSeek entre sí. Los modelos de otros proveedores no se probaron en esta ronda.
- Los resultados no se ordenan cuando sus rangos se superponen. Arriba significa que nada de lo probado es probablemente mejor en ese trabajo. Cerca de arriba significa que no es claramente peor que los de arriba.
Zabio vende acceso a estos modelos y cobra una tarifa por el tráfico que maneja. Por eso el método es público, cada número lleva su rango y su fecha, y las correcciones se publican como cambios. Ningún proveedor paga por pruebas, resultados ni posiciones.
DeepSeek es una marca de su titular. Zabio usa los modelos de DeepSeek a través de la API de DeepSeek y no tiene relación societaria con DeepSeek.
Usa los datos
Puedes reutilizar los resultados gratis con la licencia CC BY 4.0. Menciona a Zabio con la cita de abajo.
- Licencia
- CC BY 4.0
- Cita sugerida
Zabio, Model benchmarks, zabio.ai/benchmarks, 2026-09-25- Metodología
- 1.0
- Probado
- 25 de septiembre de 2026