Benchmark

Benchmark de agentes IA, respuesta a respuesta

Un espacio de benchmark reúne sus preguntas, una referencia única de respuestas esperadas y tantos conjuntos de resultados como agentes o sistemas quiera comparar.

01

Procesamiento automático en segundo plano

Cada pregunta se envía al agente de Dust elegido. Respuesta, tiempo y créditos se rellenan línea a línea, con paralelismo ajustable y reintento de fallos.

02

Evaluación por IA, control humano

Veredicto Correcto, Parcial o Incorrecto con justificación. Solo cuenta el sentido. Una segunda lectura revisa los casos dudosos y cada veredicto puede corregirse a mano.

03

Complejidad de las preguntas

Cada pregunta recibe un nivel Simple, Media o Compleja, compartido por todos los conjuntos: verá dónde fallan sus agentes RAG.

04

Compare conjuntos de pruebas de varias plataformas

Enfrente entre sí los conjuntos de pruebas de Dust y los resultados importados de otras plataformas, sobre las mismas preguntas. Puntuaciones estricta y ponderada, velocidad, coste y filtro de diferencias.

05

Informes detallados y clasificación

Genere un informe detallado con la clasificación de los distintos conjuntos de pruebas, resumen y gráficos, enriquecido con sus recomendaciones, regenerable y exportable a PDF. Todo queda en el historial.

06

Anote resultados y diferencias

Anote una pregunta, un resultado o una diferencia entre plataformas, márquelo para revisión y filtre las líneas anotadas en tablas y exportaciones CSV.

Sus agentes IA merecen una medición seria

Conecte su workspace de Dust y obtenga en minutos una primera inspección y un primer benchmark.