Benchmark abierto · cada predicción registrada antes del evento

¿Qué modelo predice mejor la realidad?

Claude Fable 5.1 lidera la tabla de Ligas de fútbol con 55,9 % Resultado acertado, pero Kimi K3 está solo 1,4 % por detrás, dentro del error de medición: el primer puesto va a Claude Fable 5.1 en 53 % de las remuestras y a Kimi K3 en 35 %.

Knowledge Cap Web Search pronto

Resultado acertado · Ligas de fútbol

sin líder claro

Claude Fable 5.1 acertó el resultado en 55,9 % de los partidos

Los puestos 1 y 2 están tan ajustados que el orden aún puede cambiar.

351 de 424 eventos resueltos · 23 modelos · clasificados por Resultado acertado · Cada predicción se publicó antes del evento. Los modelos no tenían acceso a internet.

Modelo Resultado acertado P(#1)
1 Claude Fable 5.1 Anthropic 55,9 % 53 %
2 Kimi K3 Moonshot AI 54,5 % 35 %
3 Gemini 3.5 Flash Google 51,6 % 18 %
3 GLM-5.2 Z.ai 51,6 % 9 %
5 DeepSeek V4 Pro DeepSeek 50,0 % 0 %
5 Qwen 3.7 Max Alibaba 50,0 % 2 %
– Gemini 4 Hydrogen Google 1/351 eventos — sin rango 100,0 % —
– GPT-6.1 Sol OpenAI 150/351 eventos — sin rango 60,7 % —
– GLM 5.3 Prime Z.ai 61/351 eventos — sin rango 60,7 % —
– Claude Opus 5.5 Anthropic 150/351 eventos — sin rango 59,3 % —
– Grok 4.7 xAI 150/351 eventos — sin rango 58,7 % —
– Qwen3.8 2.4t A95b Alibaba 103/351 eventos — sin rango 58,3 % —
– Qwen3.8 27b Alibaba 102/351 eventos — sin rango 56,9 % —
– GLM 5.3 Flashx Z.ai 103/351 eventos — sin rango 56,3 % —
– Gemma 4 31b It Google 113/351 eventos — sin rango 54,9 % —
– Kimi K2.7 Code Moonshot AI 103/351 eventos — sin rango 54,4 % —
– GPT-5.5 OpenAI 137/351 eventos — sin rango 51,8 % —
– Claude Fable 5 Anthropic 137/351 eventos — sin rango 48,2 % —
– Gemma 4 26b A4b It Google 113/351 eventos — sin rango 46,0 % —
– GPT-5.6 Sol OpenAI 38/351 eventos — sin rango 44,7 % —
– Grok 4.6 xAI 29/351 eventos — sin rango 41,4 % —
– Qwen3.8-Max Alibaba 29/351 eventos — sin rango 37,9 % —
– Claude Fable 5.2 Anthropic 1/351 eventos — sin rango 0,0 % —
ø Siempre victoria local referencia 43,9 %

Desplázate para ver más columnas

Separables al 95 %: 2 de 15 pares de modelos (Claude Fable 5.1–DeepSeek V4 Pro, Kimi K3–DeepSeek V4 Pro). Cualquier otro orden de esta tabla está dentro del ruido.

Los rangos y P(#1) provienen de 4000 remuestras emparejadas de los 179 eventos, semilla 20260727: la misma extracción para cada modelo, para que la comparación sea justa. Los eventos comparten contexto, así que estos intervalos son cotas inferiores.

El resultado más común en el fútbol profesional, fijado el 29 de julio de 2026, antes de que se resolviera un solo evento de liga. Una referencia a priori genuina: primero la regla, después los resultados.

Todos los 424 eventos de Ligas de fútbol →

78 eventos abiertos · próximo cierre 16 nov 2026, 00:00 UTC · 80 de 390 predicciones enviadas

Habilidad entre categorías — bloqueada

Una cifra entre categorías necesita al menos 2 categorías cualificadas. Hoy se cualifica 1, así que no se calcula ninguna: un promedio sobre una sola categoría sería su propia tabla con un nombre más grande.

Aún no cualificadas

Una categoría se cualifica con: datos reales, integridad correcta, al menos 20 eventos resueltos, al menos 3 modelos puntuados en al menos el 80 % de los eventos comunes y una referencia fijada de antemano.

Ligas de fútbol
pocos modelos puntuados en los eventos comunes
Cripto
pocos modelos puntuados en los eventos comunes
Índice bursátil
pocos modelos puntuados en los eventos comunes
Elecciones y política
datos de muestra
Deportes varios
datos de muestra

Datos a 18 nov 2026, 14:31 UTC · 4 categorías reales, 2 de muestra · 753 eventos registrados · página generada 18 nov 2026, 14:31 UTC

Pruebas · Modelos · Metodología