Coca-Cola vs. Pepsi

Refrescos60 escenarios

Panel, mismo peso

claude-haiku-5.5anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouter
deepseek-v4.1-flashdeepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter
gemini-3.8-flashgoogle/gemini-3.8-flash @ gemini-3.8-flash via OpenRouter
glm-5.3-flashz-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouter
gpt-6-lunaopenai/gpt-6-luna @ gpt-6-luna via OpenRouter
grok-4.7x-ai/grok-4.7 @ grok-4.7 via OpenRouter
kimi-k3.1-promoonshotai/kimi-k3.1-pro @ kimi-k3.1-pro via OpenRouter
llama-4-maverick-17b-128e-instructmeta-llama/llama-4-maverick-17b-128e-instruct @ llama-4-maverick-17b-128e-instruct via OpenRouter
mistral-small-2603mistralai/mistral-small-2603 @ mistral-small-2603 via OpenRouter
qwen3.8-flashqwen/qwen3.8-flash @ qwen3.8-flash via OpenRouter

Panel rápido

Claro9 de 10 modelos de API eligieron Coca-Cola; el intervalo del panel se inclina por Coca-Cola y excluye el 50 %.

Coca-Cola70 %

Pepsi30 %

Consensointervalo del 95 % 62–77 %

El consenso de los modelos de IA se inclina por ⁨Coca-Cola⁩

Cada modelo

Cuota de Coca-ColaSe inclina por …

Cuota de elección condicional de Coca-Cola por juez (entre los escenarios en que el juez eligió una marca), con intervalos de confianza. Intervalos de confianza del 95 % (envolvente de los intervalos bootstrap por conglomerados de escenarios y de Wilson, ampliada para muestras pequeñas en batallas y tableros nuevos)
Juez (modelo de API)	Cuota de Coca-Cola	Intervalo de confianza	Inclinación
claude-haiku-5.5	57 %	47–66 %	Demasiado reñido para decidir
deepseek-v4.1-flash	67 %	55–77 %	Se inclina por Coca-Cola
gemini-3.8-flash	83 %	72–92 %	Se inclina por Coca-Cola
glm-5.3-flash	69 %	58–78 %	Se inclina por Coca-Cola
gpt-6-luna	67 %	58–75 %	Se inclina por Coca-Cola
grok-4.7	83 %	73–92 %	Se inclina por Coca-Cola
kimi-k3.1-pro	72 %	63–81 %	Se inclina por Coca-Cola
llama-4-maverick-17b-128e-instruct	61,7 %	50,5–72,0 %	Se inclina por Coca-Cola
mistral-small-2603	75 %	66–84 %	Se inclina por Coca-Cola
qwen3.8-flash	64 %	54–74 %	Se inclina por Coca-Cola

Votación

¿Qué marca elegiría?

Su elección se queda en este navegador: no se envía nada.

Los votos de los visitantes se muestran junto a los resultados de la IA solo como comparación y nunca se mezclan con las cifras de la IA.

Cómo se cuentan los votos

Repetir como caída de bolasSimulación

Coca-Cola

Pepsi

Simulación: recorridos de escenarios inventados para reproducir las cuotas publicadas por juez, no filas medidas.

El consenso de los modelos de IA se inclina por Coca-Cola

Intervalo de confianza del 95 % publicado para Coca-Cola: 62–77 %. Pulse Soltar para ver dónde caen los escenarios simulados.

Cómo leerlo

Cada bola es un escenario de compra simulado. Cada fila de clavos es un modelo de IA que empuja la bola hacia la marca que eligió.

Una tirada es una muestra. Suelte otra vez y el montón se mueve; la banda naranja muestra dónde cae el equilibrio en el 95 % de las tiradas.

Solo se nombra una marca líder cuando la banda no toca el centro. Los recorridos se simulan a partir de las cuotas publicadas por juez: ningún modelo vio estos escenarios.

Toque para soltar. Mantenga pulsado para seguir soltando.

Las cifras detrás de la máquina

Instantánea firmada50f5b9b71a84JSON

Insertar

Insertarlo es gratis. Muestra la última edición; conserva la línea de fuente y el enlace.

Código para insertar (iframe)

<iframe src="https://pickbench.ai/embed/es/battle/coca-cola-vs-pepsi/" title="Batalla de marcas de Pickbench: Coca-Cola contra Pepsi" width="100%" height="480" loading="lazy" frameborder="0" referrerpolicy="strict-origin-when-cross-origin" sandbox="allow-popups allow-popups-to-escape-sandbox"></iframe>
<p><a href="https://pickbench.ai/es/battles/coca-cola-vs-pepsi/">Fuente: Pickbench</a></p>

Tarjeta estática (SVG)

Cómo leer esto

Cada escenario ofrece a los modelos ambas marcas; el reparto es la frecuencia con que se elige cada una. La cifra principal es el consenso del panel con el mismo peso por modelo.
La banda es el intervalo del 95 % de la cuota de la marca de la izquierda. Un modelo se inclina por una marca solo si todo su intervalo queda a un lado del 50 %.
Intervalos de confianza del 95 % (combinación MOVER de los intervalos de cada juez, ampliada para muestras pequeñas en batallas y tableros nuevos). El consenso da el mismo peso a cada familia de modelos. Los resultados por juez, más abajo, son la medida principal.
La opinión de un solo modelo es un juez, no el consenso.
La máquina de caída es una simulación: sus trayectorias reproducen las cuotas publicadas por modelo.
Los cortes por necesidad se omiten con menos de 30 escenarios.
Cada página muestra la última edición. Las fechas están en el JSON descargable.
Panel rápido: los modelos actuales rápidos o pequeños de cada proveedor, no el panel completo de modelos insignia.

Detalles y fuentes

Resultados calculados pero no publicados Para esta batalla solo se publican el consenso general y los resultados por juez: cada necesidad del comprador tiene menos de 30 escenarios, el mínimo prerregistrado para publicar una fila por necesidad. Quién se tuvo en cuenta y por qué

Quién se tuvo en cuenta

La regla que decide qué jueces cuentan se fijó antes de la ejecución. Los jueces que la cumplen cuentan con los pesos de abajo; los demás aparecen con sus motivos.

Se planificaron 60 escenarios de compra.
Ninguno de ellos quedó fuera.

Pesos en el consenso de 10 jueces contados

Peso de cada juez contado en el consenso
Juez (modelo de API)	Familia de modelos	Peso en el consenso
`anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouter`	`anthropic`	10,0 %
`deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter`	`deepseek`	10,0 %
`google/gemini-3.8-flash @ gemini-3.8-flash via OpenRouter`	`google`	10,0 %
`z-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouter`	`z-ai`	10,0 %
`openai/gpt-6-luna @ gpt-6-luna via OpenRouter`	`openai`	10,0 %
`x-ai/grok-4.7 @ grok-4.7 via OpenRouter`	`xai`	10,0 %
`moonshotai/kimi-k3.1-pro @ kimi-k3.1-pro via OpenRouter`	`moonshot`	10,0 %
`meta-llama/llama-4-maverick-17b-128e-instruct @ llama-4-maverick-17b-128e-instruct via OpenRouter`	`meta`	10,0 %
`mistralai/mistral-small-2603 @ mistral-small-2603 via OpenRouter`	`mistral`	10,0 %
`qwen/qwen3.8-flash @ qwen3.8-flash via OpenRouter`	`qwen`	10,0 %

Jueces no contados

Todos los jueces del panel cumplen la regla.

Resultados calculados pero no publicados

El número de escenarios (n) por necesidad se calcula de forma determinista a partir del plan prerregistrado.

Necesidad del comprador: Cafeína para la tarde: n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Sabor clásico de cola: n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Variedad de sabores frutales: n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Favoritos de ginger ale y root beer: n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Refresco de lima-limón: n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Refresco moderno con menos azúcar: n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Abastecerse para fiestas y parrilladas: n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: La bebida de surtidor habitual en restaurantes: n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Refresco económico para el día a día: n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado
Necesidad del comprador: Sin azúcar y con todo el sabor: n = 6 escenarios (menos de 30) — Menos escenarios que el mínimo prerregistrado

Metodología

Cada juez es un modelo de IA consultado mediante una API; «Sobre este resultado» indica cada modelo y cómo se consultó. En cada escenario de compra, el juez elige entre las dos marcas. El escenario es la unidad de análisis.

Los resultados se basan en 60 escenarios de compra.

Un juez se inclina por una marca solo si su intervalo de confianza no incluye el 50 %. Una estimación puntual por sí sola nunca cuenta como victoria.

Las cifras de precisión de esta página se han medido.

Precisión: Medida
Consenso, necesidades e idiomas: Intervalos de confianza del 95 % (combinación MOVER de los intervalos de cada juez, ampliada para muestras pequeñas en batallas y tableros nuevos)
Por juez: Intervalos de confianza del 95 % (envolvente de los intervalos bootstrap por conglomerados de escenarios y de Wilson, ampliada para muestras pequeñas en batallas y tableros nuevos)
Idiomas de los escenarios: inglés

Avisos sobre los datos

Solo nombres de marca: los modelos vieron cada opción como un nombre de marca, sin datos de producto, y respondieron con su propio conocimiento.

Sobre este resultado

Qué se midió, cómo, cuándo y cómo comprobarlo.

Metodología

ACM-1.0

Modelos de IA (API)

anthropic/claude-haiku-5.5 @ claude-haiku-5.5 via OpenRouter, vía OpenRouter (proveedores fijados)
deepseek/deepseek-v4.1-flash @ deepseek-v4.1-flash via OpenRouter, vía OpenRouter (proveedores fijados)
google/gemini-3.8-flash @ gemini-3.8-flash via OpenRouter, vía OpenRouter (proveedores fijados)
z-ai/glm-5.3-flash @ glm-5.3-flash via OpenRouter, vía OpenRouter (proveedores fijados)
openai/gpt-6-luna @ gpt-6-luna via OpenRouter, vía OpenRouter (proveedores fijados)
x-ai/grok-4.7 @ grok-4.7 via OpenRouter, vía OpenRouter (proveedores fijados)
moonshotai/kimi-k3.1-pro @ kimi-k3.1-pro via OpenRouter, vía OpenRouter (proveedores fijados)
meta-llama/llama-4-maverick-17b-128e-instruct @ llama-4-maverick-17b-128e-instruct via OpenRouter, vía OpenRouter (proveedores fijados)
mistralai/mistral-small-2603 @ mistral-small-2603 via OpenRouter, vía OpenRouter (proveedores fijados)
qwen/qwen3.8-flash @ qwen3.8-flash via OpenRouter, vía OpenRouter (proveedores fijados)

Condiciones

Cada modelo se consultó por la vía indicada junto a él y eligió entre las dos marcas en 60 escenarios de compra. Idiomas de los escenarios: inglés.

Jueces contados

Según la regla de inclusión prerregistrada, se contaron los resultados de 10 de los 10 jueces del panel. Los resultados usan 60 de los 60 escenarios planificados.

Quién se tuvo en cuenta y por qué

Prerregistro (SHA-256)

84540b9ae4dbda8e87f7857b3822d6047ad89537157cbb8d10e1be766d50bd42

Qué fija el prerregistro

Instantánea firmada

Verificar este resultado: descargar la instantánea firmada (JSON)

Clave de firma (kid): FnG9tqyrr6Y0YUh6teXhpERjAKUSfzL78m4WdnEZ9Jg; Clave de producción
SHA-256 del contenido (payload): 50f5b9b71a8419bbec45872a7fc0da511626fea13d21ad4e641d0b6a2777b12d

Cómo verificar una instantánea

Las posiciones, la inclusión y la influencia en los resultados nunca se venden.

Consenso de IA

Cada modelo

Votación

Cómo leerlo

Quién se tuvo en cuenta

Jueces no contados

Resultados calculados pero no publicados

Metodología

Avisos sobre los datos

Sobre este resultado