FeelFish Evals · Human Leaderboard
Este ranking se basa en lectores reales: varios modelos escriben la apertura de la misma tarea de novela y los lectores dan «me gusta» o «no me gusta» después de leer. Se ordena por el porcentaje de «me gusta» (me gusta ÷ (me gusta + no me gusta)), con tamaño de muestra, cumplimiento del brief y cobertura de casos; los modelos con menos de 50 valoraciones aparecen sin posición.
Las notas de los jueces de IA no influyen en el orden y no se muestran aquí. Puntúan prosa, escena, personajes, ritmo y originalidad, y se desbloquean en la página del modelo después de valorar un capítulo. El porcentaje de «me gusta» refleja la preferencia de los lectores, no el techo absoluto de escritura de un modelo.
En resumen
A fecha de 2026-11-02, los tres primeros por «me gusta»: xiaomi-mimo-2.6-pro (70.6%, n=102), claude-opus-5-5 (70.3%, n=101), gemini-3.8-flash (68.3%, n=101). Consulta la tabla para ver posiciones, tamaños de muestra y cumplimiento del brief.
Ordenado por «me gusta»; los modelos necesitan al menos 50 valoraciones para tener posición.
Esta tabla se ordena solo por el porcentaje de «me gusta». Las notas de los jueces de IA y sus apartados no influyen en el orden ni se publican aquí; abre la página del modelo, lee el primer capítulo y valóralo para desbloquearlas.
| Posición | Modelo | «Me gusta» | Me gusta / no me gusta | Cumplimiento | Última evaluación |
|---|---|---|---|---|---|
| 1 | xiaomi-mimo-2.6-proCampeón Xiaomi3 casos | 70.6% 102 valoraciones72 me gusta / 30 no me gusta | 72/30 | 2/3 | |
| 2 | claude-opus-5-5Subcampeón Anthropic3 casos | 70.3% 101 valoraciones71 me gusta / 30 no me gusta | 71/30 | 3/3 | |
| 3 | gemini-3.8-flashTercero Google3 casos | 68.3% 101 valoraciones69 me gusta / 32 no me gusta | 69/32 | 1/3 | |
| 4 | Moonshot3 casos | 67.7% 99 valoraciones67 me gusta / 32 no me gusta | 67/32 | 3/3 | |
| 5 | OpenAI3 casos | 64.3% 98 valoraciones63 me gusta / 35 no me gusta | 63/35 | 1/3 | |
| 6 | ByteDance3 casos | 62.7% 102 valoraciones64 me gusta / 38 no me gusta | 64/38 | 3/3 |
Estos modelos ya están evaluados, pero aún no tienen suficientes valoraciones humanas. Con muestras pequeñas el porcentaje varía mucho; lee el tamaño de muestra, la cobertura de casos y el capítulo antes de sacar conclusiones.
Es un ranking de preferencia de lectores, no una nota general de capacidad. Estas cuatro notas importan más que la posición.
Porcentaje = me gusta ÷ (me gusta + no me gusta), agregado por modelo en todas las evaluaciones publicadas actuales. Cada usuario puede valorar cada versión una vez, lo que limita el voto repetido.
El orden va de mayor a menor; los empates se resuelven por tamaño de muestra y luego por la fecha de evaluación más reciente.
Los modelos por debajo del umbral muestran su porcentaje y muestra, pero no reciben posición; unos pocos votos pueden mover mucho el resultado.
Al alcanzar el umbral, el modelo entra automáticamente en la tabla principal.
Solo se cuentan las evaluaciones publicadas actuales (isLatest); las versiones antiguas, borradores y registros no publicados quedan fuera.
Los modelos cubren casos y fechas distintas; lee las comparaciones entre lotes junto al tamaño de muestra y la cobertura de casos.
Esta página no muestra las notas de los jueces de IA ni ordena por ellas. Se desbloquean en la página del modelo después de valorar un capítulo, para no confundir una nota automática con la preferencia de lectores.
El porcentaje responde a «¿quiero seguir leyendo?»; la nota responde a «¿cómo son prosa, escena, personaje, ritmo y originalidad?». No son intercambiables.
Por el porcentaje de «me gusta»: me gusta ÷ (me gusta + no me gusta), agregado por modelo en las evaluaciones publicadas actuales. Los modelos necesitan al menos 50 valoraciones para tener posición; los empates se resuelven por muestra y luego por fecha.
Los modelos con menos de 50 valoraciones se muestran sin posición. Con pocos votos el porcentaje varía mucho y una posición engañaría; entran en la tabla principal automáticamente cuando la muestra es suficiente.
Responden a preguntas distintas: el porcentaje refleja si los lectores quieren seguir leyendo; la nota de los jueces puntúa prosa, escena, personajes, ritmo y originalidad. El ranking usa solo el porcentaje; las notas se desbloquean en la página del modelo tras valorar.
La página lee los votos y las evaluaciones publicadas más recientes en cada visita, así que los votos de los PK y las nuevas evaluaciones cambian el orden. La página muestra la fecha de actualización. Los tamaños de muestra varían por lote; tómalo como una observación dinámica, no como un veredicto permanente.
Participa en un PK ciego: lee las aperturas anónimas y vota; las identidades y los resultados se desbloquean al alcanzar participantes. Para reproducirla, usa el mismo brief y la misma solución en las mismas tareas de apertura en el cliente FeelFish.
Cada lote de PK atrae a un número distinto de votantes. No duplicamos votos ni forzamos lotes distintos al mismo tamaño; lee las muestras pequeñas con cautela.
Perfiles de modelos, evaluaciones e historial de versiones.
Método por lotes, métricas, conclusiones y primeros capítulos.
Lee aperturas anónimas y desbloquea resultados al votar.
Información pública de FeelFish y herramientas similares.
