LemoonLabsLaboratorio · Modo Arena
La batalla de las IAs
Dos equipos de IAs hacen el mismo encargo y un árbitro decide cuál lo ha hecho mejor. Es un experimento de nuestro laboratorio, con su método y sus límites.
Qué es
Dos equipos, el mismo encargo
En la batalla de las IAs (por dentro la llamamos Modo Arena), dos equipos de IAs hacen los mismos encargos de programación sobre el mismo proyecto de prueba. Cada equipo tiene una IA que hace el trabajo y otra que lo revisa. Al final, un árbitro decide qué equipo lo ha hecho mejor en cada ronda.
Para qué nos sirve: para ver con pruebas, y no por la marca, cómo responden las IAs a los mismos encargos, y para comprobar que sabemos medirlo bien. No se vende: es un experimento del laboratorio.
Cómo se mide
Las mismas reglas para los dos
- Mismo punto de partida. Cada equipo trabaja en su propia copia del proyecto, desde la misma versión, con el mismo presupuesto y sin ver el trabajo del otro.
- Pruebas ocultas. Al terminar, se pasan a cada entrega unas pruebas que las IAs no ven. Así se pilla lo que parece bien y no lo está.
- Un árbitro de fuera. El árbitro es una IA que no juega en ningún equipo y que no sabe de qué equipo es cada entrega. Lee las dos dos veces, cambiando el orden, para que el orden no influya.
- Quién gana. Gana la entrega que funciona: la que pasa las pruebas ocultas. Si funcionan las dos, decide el árbitro, pero solo si elige al mismo equipo en las dos lecturas. Si no, gana el equipo que tardó al menos un 10 % menos, y si no, es empate. Las reglas se fijan antes de cada batalla.
Lo medido · 27/10/2026 · proyectos de prueba
Las batallas del 27 de octubre
| Batalla | Resultado | Pasaron las pruebas ocultas | Tiempo total |
|---|---|---|---|
| Limón contra Luna De pago (Claude Sonnet, revisado por Codex) contra gratis (Beam, revisado por DeepSeek). 5 rondas, 1 proyecto. | 5 a 0 para Limón | Limón: 5 de 5 Luna: 4 de 5 | Limón: 3,2 min Luna: 14,6 min |
| Claude contra Codex Las dos de pago, revisadas por la misma IA. 15 rondas, 3 proyectos. | 13 a 0 para Claude, con 2 empates | Claude: 14 de 15 Codex: 10 de 12 | Claude: 30 min Codex: 33,5 min |
En la segunda batalla, Codex no entregó 3 de los 15 encargos: en los tres gastó sus intentos sin dejar el proyecto funcionando. Por eso sus pruebas ocultas se cuentan sobre 12.
Lo que no decimos: que una IA sea «la mejor». Son pocas rondas, en proyectos de prueba, y otra batalla con otros encargos puede salir distinta. Algunas entregas llegaron sin la revisión de la segunda IA, porque no respondió a tiempo; las pruebas ocultas y el árbitro no dependen de esa revisión. Los datos de cada ronda están guardados: si quieres verlos, escríbenos.
Lo que aprendimos
Lo caro no siempre compensa
Lo caro no siempre compensa y lo gratis no siempre basta. Por eso no nos fiamos de la marca: lo que entrega una IA se comprueba con pruebas.
Lo que hacemos para tu empresa es otra cosa: automatizar una tarea que se repite, dejarla funcionando en 30 días y enseñarte con números lo que te ahorra. Mira qué automatizamos o pide la auditoría gratis.
Más del laboratorio
Los otros experimentos
- Lemoon Code: nuestro laboratorio de pruebas, con la campaña del 22 al 25/10/2026.
- Limo: el bot que prepara las publicaciones de nuestras redes y no publica nada sin que lo aprobemos.
- El MCP de la empresa: da a cualquier IA solo lo que necesita saber de una empresa.
Empieza por una sola cosa.
En la auditoría gratis vemos qué tarea se repite en tu empresa y con qué la automatizaríamos.