Saltar al contenido

Benchmark (de IA)

Prueba estandarizada que mide y compara el rendimiento de modelos en tareas concretas, como razonamiento, código o comprensión lectora. Permite comparar modelos de forma objetiva.

Actualizado: 3 de junio de 2026.

Un benchmark es un examen común que todos los modelos rinden bajo las mismas reglas. Ejemplos conocidos miden conocimiento general, matemáticas, programación o capacidad de razonamiento.

Cuidado con la saturación

Cuando los modelos "memorizan" un benchmark o este aparece en sus datos de entrenamiento, deja de discriminar. Por eso surgen continuamente pruebas nuevas y más difíciles.

Cómo leerlos

Una puntuación alta no garantiza utilidad real para tu caso. Conviene complementar los benchmarks con pruebas sobre tus propios datos.

Aprende Benchmark (de IA) con una ruta guiada

Si quieres aplicar este concepto con proyectos y criterio, estas son las páginas de AIClases para continuar.

Términos relacionados

Verdad de referencia (ground truth)Conjunto de respuestas correctas verificadas que se usa como referencia para entrenar y evaluar modelos. Sin un ground truth fiable no se puede medir si un modelo acierta.Modelos de razonamiento en IA: qué sonLos modelos de razonamiento son modelos de IA optimizados para dedicar cómputo adicional a resolver tareas complejas antes de producir una respuesta. Se usan en problemas de varios pasos, planificación, matemáticas, código y análisis de reglas. No garantizan exactitud, no necesitan mostrar su cadena interna y suelen intercambiar más latencia y coste por una mejor probabilidad de resolver tareas difíciles.LLM (Large Language Model / Modelo de Lenguaje Grande)Un LLM es un modelo de inteligencia artificial entrenado con enormes cantidades de texto que aprende a predecir la siguiente palabra y, gracias a ello, es capaz de comprender, generar y razonar sobre lenguaje natural.Validación cruzadaTécnica para evaluar un modelo dividiendo los datos en varios bloques y entrenando y probando de forma rotativa. Ofrece una estimación más fiable del rendimiento que una sola partición.GPTFamilia de modelos de lenguaje de OpenAI basados en la arquitectura transformer. Sus siglas significan 'Generative Pre-trained Transformer' y dieron nombre a productos como ChatGPT.

Ver todos los términos