Página automatizada. Redactada y traducida automáticamente por IA y verificada con las fuentes mediante software; sin editor humano. SI-IQ es un índice elaborado a partir de resultados públicos de benchmarks, no una prueba de CI. Cómo funciona
¿Cómo de inteligente es DeepSeek-R1 (May 2025)?
DeepSeek-R1 (May 2025) es un modelo de DeepSeek, lanzado el 28 may 2025. Su SI-IQ es 104 (intervalo del 90 % 100–109), estimado a partir de 5 resultados de benchmarks de 2 evaluadores.
Datos a 18 oct 2026 · método 1.0.0
Un modelo se clasifica cuando sus resultados proceden de al menos 5 benchmarks (las dos ejecuciones de GPQA Diamond cuentan como una) en al menos 3 áreas, de al menos 2 evaluadores distintos, y las fechas de lanzamiento de sus versiones distan como máximo 60 días entre sí. Este modelo aún no cumple esa condición (resultados de menos de 5 benchmarks). Su estimación provisional se basa en 5 resultados de benchmarks y puede cambiar mucho cuando lleguen más resultados.
Datos
- Desarrollador
- DeepSeek
- Lanzamiento
- 28 may 2025
- Acceso
- Pesos abiertos (licencia restringida)
- Benchmarks utilizados
- 5 resultados de benchmarks de 2 evaluadores
Capacidad por áreas (SI-IQ, intervalo del 90 %)
Todos los resultados de benchmarks utilizados
Cada puntuación es un único valor tal como lo publicó la fuente: en el caso de Epoch AI, el mejor de sus ajustes de ejecución; en el de OpenRouter, el proveedor de alojamiento mediano (el alojamiento propio del desarrollador cuando realizó la prueba). El «SI-IQ implícito» es la capacidad a la que apunta este único resultado; el SI-IQ global es su media ponderada por precisión.
| Benchmark | Puntuación | Evaluado por | Fuente |
|---|---|---|---|
| MATH Level 5 | 96,6 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| OTIS Mock AIME 2024–2025 | 66,4 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| GPQA Diamond | 76,3 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| GPQA Diamond (ejecución de OpenRouter) | 78,5 % | OpenRouter | OpenRouter benchmark datasets · archivo de datos |
| τ²-bench Airline (ejecución de OpenRouter) | 47,9 % | OpenRouter | OpenRouter benchmark datasets · archivo de datos |
Preferencia humana (Arena)
En la clasificación de Arena, donde las personas votan entre dos respuestas anónimas, DeepSeek-R1 (May 2025) tiene una puntuación de 1421 (1416–1427) a partir de 18.167 votos (publicada el 15 oct 2026). La preferencia humana es una medida distinta de la capacidad en benchmarks y no forma parte de SI-IQ. Arena (Hugging Face)
Calculado con la versión 1.0.0 del método SI-IQ. Leer la metodología completa
Fuentes de datos: Arena leaderboard dataset on Hugging Face (CC BY 4.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter (licencias y cambios).