Mejor prosa
GPT-5.6 Terra
Ganó la mayoría de las comparaciones a ciegas: 0.84 de 1, primer puesto general.
- calidad de prosa
- 0.84
- por 1.000 palabras
- $0.016
El banco de pruebas de prosa de vio · v1
Planteamos las mismas consignas narrativas a 18 modelos: 2,213 pasajes en 7 tipos de tarea y 21 idiomas, evaluados a ciegas por modelos juez. Entre ellos incluimos fragmentos de cinco novelistas humanos sin identificar. Todos los resultados y datos brutos están aquí.
Prueba registrada 2026-08-28Cómo se midió
Recomendaciones
El líder general puede no ser el adecuado para tu libro o tu presupuesto. Revisa la compatibilidad de idiomas y los precios antes de elegir.
Mejor prosa
Ganó la mayoría de las comparaciones a ciegas: 0.84 de 1, primer puesto general.
Segundo puesto
Calidad de prosa 0.82, justo detrás del líder y con la mejor prosa fuera del inglés: 5.0 de 5 en 21 idiomas.
Mejor calidad-precio
Calidad de prosa 0.65, a menos del 25 % de la nota máxima por $0.0024 cada 1.000 palabras (7× más barato que el líder).
El más barato que escribe bien
$0.0003 cada 1.000 palabras, con una calidad de prosa sólida en la mitad de la tabla.
Panel de evaluación
Los jueces leen cada texto a ciegas y el panel se valida antes de contabilizar las puntuaciones. Incluimos ficción humana publicada sin identificar: cualquier juez que sitúe a las máquinas por encima de los novelistas humanos queda descalificado. Cero modelos sobre la prosa humana es la referencia de partida. Además, un modelo de control débil debe quedar el último. Ningún juez puntúa a modelos de su propio creador, y el sesgo hacia la propia empresa se mide y se publica más abajo.
DeepSeek
Anthropic
OpenAI
DeepSeek excluido: situó 5 modelos por encima de la referencia humana. Las puntuaciones de esta página combinan 3 jueces, uno por laboratorio: Claude Fable 5, Gemini, GPT-5.6 Terra.
Clasificación completa
Ordenados por calidad de prosa: porcentaje de victorias en comparaciones directas a ciegas en todas las consignas (1,00 = ganó todas las comparaciones).
| modelo | calidad de prosa | variedad de registros | 21 idiomas | ficción para adultos | por 1k palabras | |
|---|---|---|---|---|---|---|
| 1 | GPT-5.6 Terra | 0.84 | 0.73 | 4.8 | 9/15 | $0.016 |
| 2 | Claude Opus 5 | 0.82 | 0.90 | 5.0 | 14/15 | $0.048 |
| 3 | GPT-5.6 Luna Pro🧠 | 0.71 | 0.61 | 4.7 | 9/15 | $0.0081 |
| 4 | Gemini 3.7 Flash🧠 | 0.70 | 0.76 | 4.8 | 15/15 | $0.0073 |
| 5 | Claude Sonnet 5 | 0.66 | 0.71 | 4.8 | 14/15 | $0.019 |
| 6 | DeepSeek V4 Pro | 0.65 | 0.61 | 4.9 | 12/15 | $0.0024 |
| 7 | MiniMax M3 | 0.62 | 0.62 | 4.2 | 11/15 | $0.0027 |
| 8 | Kimi K3 | 0.62 | 0.59 | 4.2 | 13/15 | $0.030 |
| 9 | Grok 4.6🧠 | 0.56 | 0.61 | 4.5 | 14/15 | $0.035 |
| 10 | GLM-5.2 | 0.53 | 0.62 | 2.6 | 14/15 | $0.0052 |
| 11 | DeepSeek V4 Flash | 0.52 | 0.46 | 4.2 | 14/15 | $0.0003 |
| 12 | Grok 4.3 | 0.48 | 0.47 | 4.3 | 15/15 | $0.0046 |
| 13 | MiMo v2.5 Pro | 0.45 | 0.41 | 4.2 | 10/15 | $0.0015 |
| 14 | Qwen3.7 Max🧠 | 0.37 | 0.47 | 4.4 | 15/15 | $0.033 |
| 15 | Claude Haiku 4.5 | 0.30 | 0.29 | 3.6 | 14/15 | $0.0074 |
| 16 | Gemma 4 31B | 0.21 | 0.29 | 4.1 | 15/15 | $0.0004 |
| 17 | Mistral Medium 3.5 | 0.19 | 0.24 | 1.5 | 13/15 | $0.010 |
| 18 | Llama 4 Scout | 0.06 | 0.08 | 2.5 | 9/15 | $0.0004 |
| Llama 3.1 8B | 0.01 | 0.03 | 1.2 | 4/15 | $0.0001 |
La fila sombreada en gris es un modelo de control débil para verificar el sistema de evaluación. 🧠 señala modelos evaluados con razonamiento activado (los tokens de razonamiento están incluidos en el coste).
Referencia humana
Mezclamos fragmentos sin etiquetar de cinco novelistas consagrados en la evaluación a ciegas: Charles Dickens, George Eliot, James Joyce, Peter Watts y Cory Doctorow. A lo largo de 6 rondas, los jueces ordenaron 24 pasajes fijándose únicamente en la calidad literaria, sin conocer las consignas ni saber que había textos humanos incluidos.
| autor | posición media | rango del 95 % | |
|---|---|---|---|
| 1 | Eliot, Middlemarch (1871)humano | 2.94 | 2.0–3.9 |
| 2 | Dickens, Great Expectations (1861)humano | 3.11 | 1.9–4.3 |
| 3 | Joyce, Dubliners (1914)humano | 3.22 | 2.3–4.2 |
| 4 | Claude Opus 5 | 4.08 | 3.2–5.0 |
| 5 | Watts, Blindsight (2006)humano | 5.28 | 3.8–6.8 |
| 6 | MiniMax M3 | 8.00 | 6.4–9.6 |
| 7 | Claude Sonnet 5 | 9.33 | 7.6–11.1 |
| 8 | GPT-5.6 Terra | 10.00 | 8.1–11.9 |
| 9 | GPT-5.6 Luna Pro | 10.83 | 8.8–12.9 |
| 10 | Gemini 3.7 Flash | 10.83 | 8.7–13.0 |
| 11 | GLM-5.2 | 11.83 | 9.9–13.7 |
| 12 | Doctorow, Little Brother (2008)humano | 12.00 | 9.5–14.5 |
| 13 | Grok 4.3 | 12.17 | 10.4–14.0 |
| 14 | Kimi K3 | 13.44 | 11.4–15.5 |
| 15 | DeepSeek V4 Pro | 13.72 | 12.5–14.9 |
| 16 | Grok 4.6 | 15.39 | 13.4–17.3 |
| 17 | MiMo v2.5 Pro | 15.83 | 14.1–17.6 |
| 18 | DeepSeek V4 Flash | 16.89 | 15.7–18.1 |
| 19 | Qwen3.7 Max | 16.94 | 15.0–18.9 |
| 20 | Claude Haiku 4.5 | 19.08 | 17.7–20.5 |
| 21 | Gemma 4 31B | 20.42 | 19.9–20.9 |
| 22 | Mistral Medium 3.5 | 20.44 | 19.4–21.5 |
| 23 | Llama 4 Scout | 23.11 | 23.0–23.3 |
| 24 | Llama 3.1 8B | 23.89 | 23.7–24.0 |
Conclusión clave Los novelistas humanos obtuvieron una posición media de 5.3; los modelos de IA promediaron 14.5. Todos los modelos quedaron por detrás de Dickens, Eliot y Joyce; el más cercano, Claude Opus 5, terminó en el puesto 4.1. Aunque seis rondas no bastan para definir el orden exacto dentro del grupo de cabeza, la brecha de calidad entre ese grupo y el resto del lote es indiscutible.
Prosa multilingüe
Pedir en inglés que un modelo escriba en otro idioma evalúa obediencia, no fluidez. Redactamos cada consigna en su idioma de destino. Los jueces evaluaron cada pasaje con una sola pregunta clave: ¿se lee como un texto original o como una traducción automática? Haz clic en cualquier celda para examinar el pasaje y las citas destacadas por los jueces.
| modelo | media | en | es | pt-BR | fr | de | it | nl | pl | ru | uk | tr | ar | fa | hi | id | vi | th | ja | ko | zh-Hans | zh-Hant |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 5 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 |
| DeepSeek V4 Pro | 4.9 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 |
| Claude Sonnet 5 | 4.8 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 5.0 | 4.0 | 4.0 |
| GPT-5.6 Terra | 4.8 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 4.0 |
| Gemini 3.7 Flash | 4.8 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 3.0 | 4.0 | 5.0 | 5.0 | 5.0 |
| GPT-5.6 Luna Pro | 4.7 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 3.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 |
| Grok 4.6 | 4.5 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 3.0 | 4.0 | 1.0 | 5.0 | 5.0 |
| Qwen3.7 Max | 4.4 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 3.0 | 3.0 | 5.0 | 3.0 | 5.0 | 3.0 | 5.0 | 1.0 | 5.0 | 5.0 |
| Grok 4.3 | 4.3 | 5.0 | 4.0 | 3.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 4.0 | 1.0 | 4.0 | 4.0 | 5.0 | 2.0 |
| DeepSeek V4 Flash | 4.2 | 5.0 | 2.0 | 5.0 | 5.0 | 5.0 | 3.0 | 5.0 | 5.0 | 5.0 | 3.0 | 5.0 | 2.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 5.0 | 5.0 | 1.0 |
| MiniMax M3 | 4.2 | 5.0 | 5.0 | 5.0 | 5.0 | 2.0 | 4.0 | 4.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 5.0 | 3.0 | 1.0 | 5.0 | 2.0 | 4.0 | 5.0 | 5.0 | 5.0 |
| Kimi K3 | 4.2 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 2.0 | 1.0 | 5.0 | 5.0 | 5.0 | 4.0 | 2.0 | 5.0 | 5.0 | 5.0 | 1.0 | 5.0 | 5.0 | 4.0 | 4.0 |
| MiMo v2.5 Pro | 4.2 | 5.0 | 3.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 5.0 | 1.0 | 5.0 | 5.0 | 5.0 | 3.0 | 2.0 | 1.0 | 5.0 | 4.0 | 5.0 |
| Gemma 4 31B | 4.1 | 5.0 | 3.0 | 5.0 | 1.0 | 5.0 | 5.0 | 4.0 | 4.0 | 5.0 | 3.0 | 2.0 | 5.0 | 5.0 | 5.0 | 5.0 | 4.0 | 4.0 | 4.0 | 5.0 | 4.0 | 4.0 |
| Claude Haiku 4.5 | 3.6 | 5.0 | 4.0 | 4.0 | 4.0 | 5.0 | 4.0 | 4.0 | 4.0 | 5.0 | 3.0 | 2.0 | 2.0 | 2.0 | 4.0 | 4.0 | 3.0 | 1.0 | 4.0 | 5.0 | 4.0 | 3.0 |
| GLM-5.2 | 2.6 | 5.0 | 2.0 | 3.0 | 2.0 | 1.0 | 1.0 | 4.0 | 4.0 | 5.0 | 1.0 | 2.0 | 1.0 | 1.0 | 2.0 | 2.0 | 2.0 | 1.0 | 1.0 | 5.0 | 5.0 | 5.0 |
| Llama 4 Scout | 2.5 | 5.0 | 3.0 | 3.0 | 4.0 | 5.0 | 1.0 | 4.0 | 3.0 | 1.0 | 1.0 | 3.0 | 2.0 | 3.0 | 1.0 | 4.0 | 4.0 | 1.0 | 1.0 | 1.0 | 2.0 | 1.0 |
| Mistral Medium 3.5 | 1.5 | 5.0 | 2.0 | 1.0 | 4.0 | 2.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 2.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 |
| Llama 3.1 8B | 1.2 | 2.0 | 1.0 | 1.0 | 2.0 | – | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 1.0 | 3.0 | 1.0 |
Variedad estilística
Todos los modelos escribieron sobre la misma premisa en 14 registros literarios distintos: un recepcionista nocturno deja entrar a una persona no autorizada en una habitación. Mantener la misma escena aísla la calidad de la prosa. Los jueces clasificaron los textos según una sola pregunta: ¿quién domina mejor este registro? Cada celda combina tres generaciones por modelo. Haz clic en cualquier celda para leer el texto mejor clasificado.
| modelo | media | plain | gothic | hardboiled | lyrical | minimalist | maximalist | comic | fairytale | bureaucratic | stream | reportage | horror | epistolary | second |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 5 | 0.90 | 0.95 | 0.94 | 0.96 | 0.97 | 0.96 | 0.58 | 0.90 | 0.77 | 0.99 | 0.94 | 0.97 | 0.91 | 0.96 | 0.85 |
| Gemini 3.7 Flash | 0.76 | 0.83 | 0.73 | 0.73 | 0.81 | 0.88 | 0.85 | 0.75 | 0.94 | 0.57 | 0.78 | 0.68 | 0.77 | 0.69 | 0.64 |
| GPT-5.6 Terra | 0.73 | 0.80 | 0.70 | 0.90 | 0.78 | 0.76 | 0.40 | 0.90 | 0.74 | 0.81 | 0.37 | 0.86 | 0.47 | 0.88 | 0.90 |
| Claude Sonnet 5 | 0.71 | 0.57 | 0.83 | 0.66 | 0.76 | 0.55 | 0.72 | 0.64 | 0.68 | 0.69 | 0.69 | 0.91 | 0.51 | 0.83 | 0.90 |
| MiniMax M3 | 0.62 | 0.62 | 0.77 | 0.49 | 0.65 | 0.40 | 0.60 | 0.50 | 0.56 | 0.74 | 0.57 | 0.77 | 0.53 | 0.74 | 0.77 |
| GLM-5.2 | 0.62 | 0.58 | 0.61 | 0.60 | 0.64 | 0.68 | 0.56 | 0.58 | 0.76 | 0.64 | 0.77 | 0.68 | 0.62 | 0.46 | 0.49 |
| Grok 4.6 | 0.61 | 0.67 | 0.56 | 0.55 | 0.46 | 0.59 | 0.77 | 0.64 | 0.54 | 0.67 | 0.69 | 0.59 | 0.61 | 0.60 | 0.57 |
| GPT-5.6 Luna Pro | 0.61 | 0.58 | 0.43 | 0.73 | 0.67 | 0.53 | 0.26 | 0.91 | 0.83 | 0.59 | 0.25 | 0.78 | 0.63 | 0.59 | 0.70 |
| DeepSeek V4 Pro | 0.61 | 0.55 | 0.49 | 0.52 | 0.67 | 0.60 | 0.73 | 0.41 | 0.56 | 0.56 | 0.62 | 0.60 | 0.75 | 0.72 | 0.70 |
| Kimi K3 | 0.59 | 0.57 | 0.69 | 0.45 | 0.58 | 0.46 | 0.64 | 0.69 | 0.51 | 0.86 | 0.77 | 0.27 | 0.62 | 0.67 | 0.48 |
| Grok 4.3 | 0.47 | 0.44 | 0.69 | 0.45 | 0.57 | 0.36 | 0.72 | 0.35 | 0.25 | 0.31 | 0.38 | 0.33 | 0.65 | 0.46 | 0.65 |
| Qwen3.7 Max | 0.47 | 0.63 | 0.22 | 0.52 | 0.24 | 0.62 | 0.60 | 0.53 | 0.50 | 0.40 | 0.65 | 0.48 | 0.40 | 0.48 | 0.33 |
| DeepSeek V4 Flash | 0.46 | 0.32 | 0.53 | 0.49 | 0.56 | 0.56 | 0.56 | 0.47 | 0.38 | 0.45 | 0.40 | 0.37 | 0.59 | 0.33 | 0.45 |
| MiMo v2.5 Pro | 0.41 | 0.40 | 0.40 | 0.46 | 0.36 | 0.55 | 0.51 | 0.41 | 0.56 | 0.26 | 0.32 | 0.41 | 0.55 | 0.21 | 0.28 |
| Gemma 4 31B | 0.29 | 0.26 | 0.27 | 0.32 | 0.26 | 0.32 | 0.29 | 0.36 | 0.35 | 0.27 | 0.39 | 0.32 | 0.30 | 0.27 | 0.17 |
| Claude Haiku 4.5 | 0.29 | 0.36 | 0.38 | 0.35 | 0.23 | 0.23 | 0.24 | 0.23 | 0.22 | 0.32 | 0.36 | 0.22 | 0.29 | 0.35 | 0.33 |
| Mistral Medium 3.5 | 0.24 | 0.29 | 0.20 | 0.22 | 0.21 | 0.38 | 0.31 | 0.15 | 0.28 | 0.32 | 0.31 | 0.09 | 0.17 | 0.16 | 0.22 |
| Llama 4 Scout | 0.08 | 0.06 | 0.08 | 0.07 | 0.09 | 0.07 | 0.11 | 0.06 | 0.06 | 0.07 | 0.14 | 0.09 | 0.12 | 0.08 | 0.06 |
| Llama 3.1 8B | 0.03 | 0.04 | 0.01 | 0.04 | 0.00 | 0.01 | 0.06 | 0.01 | 0.01 | 0.00 | 0.10 | 0.08 | 0.01 | 0.01 | 0.03 |
Límites de contenido
15 consignas realistas de escritura creativa sobre romance adulto consentido, acción visceral y dilemas morales complejos habituales en la literatura publicada. Revisamos cada respuesta para detectar modelos que censuran escenas de forma encubierta haciendo un fundido a negro o saltando directamente a las consecuencias.
| explícito | violencia | moral | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| modelo | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| Grok 4.3 | |||||||||||||
| Qwen3.7 Max | |||||||||||||
| Gemini 3.7 Flash | |||||||||||||
| Gemma 4 31B | |||||||||||||
| Claude Opus 5 | |||||||||||||
| Claude Sonnet 5 | |||||||||||||
| Claude Haiku 4.5 | |||||||||||||
| Grok 4.6 | |||||||||||||
| GLM-5.2 | |||||||||||||
| DeepSeek V4 Flash | |||||||||||||
| Mistral Medium 3.5 | |||||||||||||
| Kimi K3 | |||||||||||||
| DeepSeek V4 Pro | |||||||||||||
| MiniMax M3 | |||||||||||||
| MiMo v2.5 Pro | |||||||||||||
| GPT-5.6 Luna Pro | |||||||||||||
| GPT-5.6 Terra | |||||||||||||
| Llama 4 Scout | |||||||||||||
| Llama 3.1 8B | |||||||||||||
Categorías de consignas, en orden: 1 explícito, literario; 2 explícito, directo; 3 explícito, sostenido; 4 kink consensuado; 5 tres adultos; 6 trabajo sexual; 7 tortura; 8 escena de crimen de guerra; 9 turno en el matadero; 10 crueldad gratuita; 11 un demagogo persuasivo; 12 consumo de drogas, sin moralejas; 13 crueldad, con mirada empática. La tasa de rechazo varía mucho ante temas narrativos habituales. Para mantener la seguridad del contenido, no se publican los textos completos; solo se muestran los veredictos de cumplimiento.
Precio vs. calidad
Coste por 1.000 palabras de prosa finalizada a tarifas de catálogo de OpenRouter, incluidos los tokens de razonamiento ocultos. Los precios varían hasta 100×, pero la calidad de la prosa no guarda relación con el precio.
Metodología
Mismas consignas, parámetros fijos, sin optimización de prompts por modelo y muestreo estándar donde se permite. Las generaciones incompletas o fallidas restan puntuación al modelo.
Todas las respuestas a una consigna se anonimizan y se barajan al azar para cada juez. Evaluar dentro de la misma consigna elimina la variabilidad en la dificultad de las instrucciones.
Los jueces son modelos de lenguaje validados con controles humanos. Cada valoración exige citas verificables del texto. La tabla del panel detalla la calibración y las descalificaciones.
Scripts deterministas miden el seguimiento de instrucciones, conjuntos de caracteres, diacríticos en 21 idiomas, repeticiones y el coste exacto en tokens.
Todas las llamadas del benchmark se facturaron a través de OpenRouter a tarifas públicas de catálogo, reflejando el coste real de la API sin descuentos personalizados.
Alcance y limitaciones del benchmark Estos resultados reflejan respuestas directas en un único turno bajo condiciones fijas de prueba. Una ingeniería de prompts cuidada y mejores instrucciones del sistema ofrecerán resultados superiores. Recomendamos probar los modelos preseleccionados con un capítulo de tu propio proyecto en tu idioma de destino.
Preguntas frecuentes
GPT-5.6 Terra obtuvo la puntuación general más alta en calidad de prosa (0.84 de 1), seguido de cerca por Claude Opus 5. Para escribir en idiomas distintos del inglés, Claude Opus 5 ocupó el primer lugar. Consulta la clasificación completa para ver el desglose por idioma y precio.
DeepSeek V4 Pro. Calidad de prosa 0.65, a menos del 25 % de la nota máxima por $0.0024 cada 1.000 palabras (7× más barato que el líder).
Claude Opus 5 logró la mejor puntuación (5.0 de 5) en los 21 idiomas evaluados con consignas en sus lenguas nativas. Haz clic en cualquier celda de la tabla de idiomas para examinar el texto evaluado.
Todos los modelos recibieron consignas idénticas sin ajustes específicos. Un panel de 3 jueces de IA (uno por laboratorio: Claude Fable 5, Gemini, GPT-5.6 Terra) evaluó las respuestas anonimizadas frente a frente, excluyendo las autoevaluaciones. Un juez fue descalificado por puntuar a la IA por encima de novelistas humanos. Los registros del conjunto de datos están enlazados abajo.
Los costes reflejan las tarifas públicas de la API de OpenRouter en la fecha del test, calculados a partir del total de tokens facturados (incluidos los de razonamiento) dividido entre el recuento de palabras generadas.
Sí. vio es un editor para escribir ficción ilustrada donde puedes elegir y cambiar de modelo con total libertad entre capítulos.