03 Evidencia y métodos

Sigue los tokens

De dónde salen las cifras de cada gráfico, en una ficha por gráfico. Los cálculos completos están en los archivos que cita cada ficha.

Los gráficos

  1. Los modelos de pesos abiertos más usados del año

    Qué muestra
    Los diez modelos de pesos abiertos con más tokens en el ranking diario de OpenRouter, top 50, de octubre de 2025 a septiembre de 2026, y la cuota de cada desarrollador.
    Fuente
    Rankings diarios de OpenRouter (CC BY 4.0), extracción del 15 de octubre de 2026; nuestro registro de pesos abiertos.
    Cómo lo calculamos
    Tokens de cada modelo (con sus versiones fechadas juntas) sumados durante doce meses, como cuota de los tokens de pesos abiertos del top 50.
    Límite principal
    De pesos abiertos solo desde el día en que los pesos fueron públicos; los tokens de fuera del top 50 no se pueden atribuir; no son usuarios ni cuota de mercado.
    Archivos
    analysis/tokens/by_model/models_monthly.csv · analysis/tokens/by_model/open_leader_tenure.csv · pipelines/web/summary_2027.py
  2. Versiones nuevas en el top 50

    Qué muestra
    La cuota de los tokens de cada mes que fue a versiones que entraron en el top 50 en los 90 días anteriores.
    Fuente
    Clasificaciones diarias de OpenRouter (CC BY 4.0).
    Cómo lo calculamos
    Tokens diarios del top 50 por versión, cada una fechada por su primer día en el top 50; la fila «other» se mantiene en el denominador. Como comprobaciones, ventanas de 60 y 180 días y un recuento por línea de producto.
    Límite principal
    El primer día en el top 50 no es una fecha de lanzamiento; los datos no dicen por qué una versión gana tráfico.
    Archivos
    analysis/tokens/turnover_monthly.csv · data/processed/openrouter/daily_rankings.csv
  3. Seis meses después

    Qué muestra
    Cuántas versiones están en el top 50 los días 7, 28, 91 y 175 después de su primera aparición.
    Fuente
    Clasificaciones diarias de OpenRouter (CC BY 4.0).
    Cómo lo calculamos
    Versiones seguidas desde su primer día en el top 50, entre las que llegaron con tiempo suficiente para observarlas durante 175 días.
    Límite principal
    Presencia en un día dado, no continuidad; una versión que sale puede seguir usándose, dentro de la fila «other».
    Archivos
    analysis/identity/persistence_audit.csv
  4. Por temas

    Qué muestra
    Para cada una de las 17 temáticas, el modelo de pesos abiertos más usado y el modelo cerrado más usado, con sus cuotas.
    Fuente
    Página de rankings de OpenRouter, sección «Domain», tal como se mostraba el 9 de noviembre de 2026.
    Cómo lo calculamos
    Cuotas tal como aparecen para los modelos de la lista de cada temática.
    Límite principal
    OpenRouter clasifica una muestra de peticiones y no publica cómo la extrae.
    Archivos
    analysis/tokens/by_domain/domains_2026_11_09.csv · analysis/tokens/by_domain/domains_open_share_2026_11_09.csv
  5. Otra plataforma: Workers AI

    Qué muestra
    La cuota de las ejecuciones de Workers AI por tarea (embeddings, generación de texto) y por modelo.
    Fuente
    Cloudflare Radar, Workers AI (con permiso de Cloudflare).
    Cómo lo calculamos
    Cuotas mensuales de eventos de inferencia por tarea y por modelo, tal como las publica Radar.
    Límite principal
    Eventos de inferencia, no tokens; una sola plataforma; sin cuentas ni volúmenes.
    Archivos
    data/processed/cloudflare-s11/monthly_models.csv

Más datos

Cifras de la investigación que no aparecen en los gráficos del capítulo.

  • En los doce meses de octubre de 2025 a septiembre de 2026, los modelos de pesos abiertos se llevaron el 59,9% de los tokens del ranking diario de OpenRouter, contando su top 50.
  • Descargas en Hugging Face según cuándo apareció el modelo por primera vez, leídas el 1 de octubre de 2026: desde el 1 de agosto de 2026, el 8,4% (101 modelos); entre el 1 de noviembre de 2025 y el 1 de julio de 2026, el 35,9% (371); el 1 de octubre de 2025 o antes, el 55,7% (1204).

Fuentes y notas

Ver las 21 notas

Niveles de evidencia: E1 = cifra publicada por la fuente; E2 = recalculada por nosotros y coincidente con una cifra que publica la fuente; E3 = calculado por nosotros a partir de los datos de origen, sin equivalente publicado (pipeline y pruebas reproducibles). Todas las cifras de OpenRouter: Fuente: OpenRouter (openrouter.ai/rankings), a 2026-10-15T16:43:23Z. Los recuentos de tokens son los que comunica cada proveedor y usan tokenizadores distintos. Las cuotas son sobre todos los tokens observados, incluida la fila «other», salvo que se indique lo contrario.

  1. 1
    Calculado a partir de data/processed/openrouter/daily_rankings.csv con pipelines/tokens/reassess.py (load). Líder mensual por versión y su cuota de todos los tokens observados: Claude 3.5 Sonnet, 46,7% (2025-01) y 33,1% (2025-02); después Claude 3.7 Sonnet (2025-03, 2025-04), GPT-4o mini (2025-05), Claude Sonnet 4 (2025-06 a 2025-08) y Grok Code Fast 1 (2025-09 a 2025-12). Los líderes de 2026, de Anthropic, MiniMax, Xiaomi, Qwen, Tencent, DeepSeek y Z.ai tuvieron un 7,4–13,7% en los meses completos (más del 12,5% solo en 2026-07, xiaomi/mimo-v2.5-20260422, 13,7%); una versión distinta lideró cada mes de 2026. Mes parcial 2026-10 (14 días): deepseek/deepseek-v4.1-flash-20260910, 20,7%. Las cinco versiones más usadas de 2026-09, con su primer día en el top 50 observado y su cuota de los tokens del mes: z-ai/glm-5.3-flash-20260826 (2026-08-26, 9,9%), tencent/hy4-preview-20260827 (2026-08-28, 9,7%), deepseek/deepseek-v4.1-flash-20260910 (2026-09-10, 8,9%), openai/gpt-5.6-luna-20260709 (2026-07-11, 8,9%), deepseek/deepseek-v4-flash-20260731 (2026-07-31, 7,6%); 45,0% en conjunto. Desarrolladores distintos con una versión en el top 50: 23 (2025-T1), 27 (2026-T3); cuota del desarrollador líder: 39,3% (Anthropic, 2025-T1), 20,8% (DeepSeek, 2026-T3). E3. Diez versiones más usadas de 2026-09 (subsección Las diez versiones más usadas en septiembre de 2026): pipelines/tokens/top_versions.py, analysis/tokens/top_versions_2026_09.csv (tokens, share_of_top50, share_of_all_observed, first_day_top50, age_days_on_sep30, clase efectiva); en conjunto, 0,67 de los tokens del top 50 y 0,62 de todos los tokens observados. analysis/tokens/top10_monthly_2026.csv: ninguna versión del top diez de 2026-01 está en el top diez de 2026-09; 40 versiones distintas en los top diez mensuales de 2026-01 a 2026-09. E3.
  2. 2
    OpenRouter, conjunto de datos de clasificaciones (rankings-daily), CC BY 4.0, obtenido el 2026-10-15; la descripción del conjunto de datos indica que los recuentos de tokens usan el tokenizador propio de cada modelo. Extractos en bruto y hashes en data/manifests/openrouter_2026-10-15.json. E1 (descripción y licencia).
  3. 3
    analysis/tokens/by_model/models_monthly.csv, meses de 2025-10 a 2026-09, tokens de las versiones con clase de pesos abiertos el día de uso, sumados por línea de producto (pipelines/web/summary_2027.py, d03); cuotas de los desarrolladores y permanencia en cabeza en analysis/tokens/by_model/open_leader_tenure.csv (DeepSeek: 19 meses en cabeza entre los desarrolladores de pesos abiertos; racha más larga de una sola línea de producto: 7 meses).
  4. 4
    analysis/identity/v09r_monthly.csv, escenario pit_strict, 2026-07 a 2026-09 agregados: OW-P 41,6%, OW-R 0%, OW-N 21,2%, CW 0%, desconocido 31,0%, «other» 6,2%. Pass 26: Kimi K3 cuenta como abierto desde el 2026-07-27, el día en que se publicaron por primera vez sus archivos de pesos (historial de commits de Hugging Face); la primera copia archivada de su repositorio, del 2026-07-23, era una página «Upcoming release» sin pesos. Con la fecha anterior, el mínimo era del 62,9% (revisión independiente C-09). analysis/tokens/free_sensitivity_matched.csv: eliminar las filas :free del numerador y del denominador (manteniendo «other») da 62,8% → 59,8% con pit_strict y 63,2% → 60,0% con las clases actuales, con el mismo método. Cuota gratuita de los tokens OW-N, 32,7%, y de los tokens OW-P, 4,4%: clases actuales, analysis/tokens/free_sensitivity.csv. E3. DEC-076, DEC-080.
  5. 5
    analysis/tokens/openness_bounds.csv: cota superior 1,0 y cuota cerrada confirmada 0,0 en todos los meses; las nueve decisiones CW registradas (DEC-093, DEC-094) están suspendidas a la espera de revalidación (DEC-099); ninguna cota inferior posterior supera a ninguna cota superior anterior. E3. DEC-019, DEC-024.
  6. 6
    analysis/tokens/turnover_monthly.csv (nivel version) y analysis/tokens/turnover_checks.csv (columna headline). Antigüedad = días desde el primer día de una versión en el top 50 observado desde 2025-01-01; reciente si 0–90 días, ambos incluidos; meses 2025-01 a 2025-03 censurados. Rango del 39,8% (2026-01) al 76,3% (2026-09) en meses completos; 80,7% en 2026-10 (14 días observados). Por debajo del 50% en 2 de los 18 meses completos (2025-04 a 2026-09): 2025-12 (41,8%) y 2026-01 (39,8%); los otros 16 están entre el 51,9% (2025-07) y el 76,3%. Ventana de 60 días: del 28,3% (2025-12) al 64,0% (2026-09); ventana de 180 días: del 70,0% (2026-01) al 90,7% (2026-09), desde 2025-07; solo meses completos, como el rango de 90 días (2026-10, parcial: 73,3% y 91,5%). E3. DEC-074, DEC-077. Figura 3.6 (sección Dos velocidades): pipelines/ecosystem/two_speeds.py, analysis/ecosystem/two_speeds.csv (= visualizations/ecosystem/fig3_6_data.csv). Panel a: pipelines.tokens.reassess datos y regla de antigüedad (días desde el primer día de la versión en el top observado 50, desde el 2025-01-01, en cada día de uso); denominador: todos los tokens observados de septiembre de 2026 incluida la fila «other» (daily_totals.csv, 30 días observados); la franja de 0–90 días, 0,76, reproduce el 76,3% de la nota 5. Panel b: población y tope del capítulo 01 (descargas en 30 días, con tope, de los 1676 modelos seguidos con una lectura distinta de cero el 2026-10-01; pipelines/ecosystem/audit.py); primera lectura = primera instantánea mensual desde 2024-08 con descargas > 0; franjas: primera lectura en 2026-08 o después 0,08 (101 modelos), de 2025-11 a 2026-07 0,36 (371), en 2025-10 o antes 0,56 (1204). Qwen2.5: analysis/ecosystem/qwen_breakdown_monthly.csv, 2026-10, 0,24. E3.
  7. 7
    Las versiones se unen solo por identificador exacto. No se usa la correspondencia por nombre. Los datos públicos apenas contienen pruebas de alias que vinculen instantáneas fechadas, así que un nivel de «familia» construido a partir de los alias de OpenRouter da el mismo resultado que el nivel de versión. Las instantáneas de DeepSeek V4 Flash fechadas el 2026-04-23 (líder en 2026-06) y el 2026-07-31 (líder en 2026-08) cuentan como dos versiones. DEC-021, DEC-074. Sensibilidad por nombre (revisión independiente B-05 del Pass 26,): se elimina de cada identificador de versión un sello de fecha final de ocho dígitos (YYYYMMDD) o de cuatro (MMDD o YYMM), lo que une 12 líneas de producto (analysis/tokens/product_line_merges.csv); la cuota a 90 días es entonces del 68,0% en septiembre de 2026 (76,3% por versión) y supera la mitad en 13 de 18 meses completos (16 por versión), y el mes más bajo sigue siendo enero de 2026 (39,8%) (analysis/tokens/turnover_product_line_sensitivity.csv, pipelines/tokens/reassess.py). Es una comprobación, no una serie: DEC-021 mantiene la medida publicada sobre identificadores exactos. Líderes en tres niveles (Pass 28): research/editorial/interpretation-pass28/scripts/turnover_levels.py, salidas data/turnover_levels_monthly.csv y data/product_line_successions.csv, a partir de data/processed/openrouter/daily_rankings.csv y daily_totals.csv mediante pipelines.tokens.reassess.load(). Versión: el identificador exacto sin su sufijo de variante (la unidad del capítulo); línea de producto: la versión sin la fecha final (reassess.DATE_SUFFIX, las 12 fusiones de analysis/tokens/product_line_merges.csv, ninguna otra unión, DEC-021); desarrollador: el espacio de nombres antes de la barra, un editor más que una familia de modelos. Líderes por tokens en cada mes completo; cuotas de todos los tokens observados, con la fila «other» en el denominador. 2026: 9 cambios de líder en 9 meses por versión (9 líderes), 8 por línea de producto (7 líderes), 2 por desarrollador (3 líderes: google de 2026-01 a 2026-03, anthropic 2026-04 y 2026-05, deepseek de 2026-06 a 2026-09). DeepSeek V4 Flash, cuota de todos los tokens observados: instantánea 20260423 0,10 (2026-06), 0,11 (2026-07), 0,06 (2026-08); instantánea 20260731 0,12 (2026-08). E3.
  8. 8
    analysis/identity/persistence_audit.csv (generado por pipelines/identity/robustness.py), nivel version, seguimiento completo (n = 196): 62,2% a los 7 días, 55,1% a los 28 días, 38,3% a los 91 días, 18,9% a los 175 días. Cohorte: versiones cuyo primer día en el top 50 cae entre el 2025-02-01 y el 2026-04-22 (175 días antes del último día observado, 2026-10-14); las versiones vistas por primera vez en enero de 2025 tienen censura por la izquierda y se excluyen. Las cohortes con seguimiento incompleto se presentan aparte y dan valores más altos (por ejemplo, 76,6% de 94 versiones a los 7 días). Un día fuera del top 50 cuenta como ausencia. E3. DEC-018.
  9. 9
    analysis/tokens/concentration_monthly.csv y concentration_u_test.csv. Top 5 por variante, media de la cuota diaria, todos los tokens: 62,1% (2025-T1), mínimo 35,2% (2026-04), 49,8% (2026-T3); descenso de 26,8 puntos, recuperación de 14,5 puntos; valores mensuales de 2025-12 a 2026-03 entre el 35,6% y el 40,0% (concentration_monthly.csv, nivel variant, k 5, all_tokens, mean_of_daily_share). En las 24 combinaciones: descenso de 26–38 puntos, recuperación de 14–18 puntos por variante y por versión; por desarrollador, 86,3% → 59,7% (mínimo 2026-06) → 66,9%, recuperación de 5–8 puntos. E3. DEC-074.
  10. 10
    Cloudflare Radar, AI Insights y Data Explorer (radar.cloudflare.com/ai-insights; radar.cloudflare.com/explorer?dataSet=ai.inference), distribución de las inferencias de Workers AI por modelo y por tarea, descargada el 2026-11-04 entre las 12:07 y las 12:09 UTC aproximadamente mediante el cargador de la propia página del Data Explorer, que transmite los puntos de acceso documentados /radar/ai/inference/summary/{MODEL,TASK} y /radar/ai/inference/timeseries_groups/{MODEL,TASK} (limitPerGroup=100, sin token). 81 respuestas: resumen y serie diaria por modelo y por tarea de cada mes natural de 2025-05 a 2026-10, series semanales en dos ventanas y resúmenes de tareas vacíos de 2024-12 a 2025-04. Cuerpos originales en data/raw/cloudflare-radar/s11-2026-11-04/explorer_bundle.json (1.450.942 bytes, SHA-256 1a61358c…1441f), cada cuerpo con su huella, comprobada al cargarlo; manifiesto data/manifests/cloudflare_radar_s11_2026-11-04.json. Todas las respuestas declaran units = inferences. Cambio de unidad: registro de cambios de Cloudflare, «Updated Workers AI popularity metric in Cloudflare Radar», 18 de junio de 2026 («This change will affect all new measurements as well as historical data»). Los datos de Radar tienen licencia CC BY-NC 4.0; se usan aquí con permiso. Método: research/cloudflare/01-source-and-methodology.md (Research Sprint 11). E1 (porcentajes tal como se publican).
  11. 11
    analysis/cloudflare-s11/task_shares_model_based_monthly.csv, meses completos de 2025-06 a 2026-10, con todas las inferencias del mes como denominador. Generación de texto del 8,4% (2026-08) al 41,2% (2025-09); del 8,4% al 12,5% desde 2026-06. Embeddings en primer lugar en 15 de 17 meses (excepciones: generación de texto en 2025-09, 41,2% frente a 34,2%; reconocimiento de voz en 2026-05, 52,0% frente a 33,9%); mediana del 39,0% de 2025-06 a 2026-04 (del 32,7% al 70,0%); 75,9%, 82,7%, 84,3%, 84,3% y 86,7% de 2026-06 a 2026-10. Porcentajes semanales de embeddings (serie de tareas de Radar, data/processed/cloudflare-s11/weekly_tasks.csv): 34,7% (semana del 2026-05-25), 53,9%, 71,5%, 82,9% (semana del 2026-06-15). Sensibilidad diaria (task_daily_sensitivity.csv): la mediana de los porcentajes diarios de embeddings queda a menos de 3,4 puntos del porcentaje mensual en 15 de 17 meses (2025-08: 3,7; 2025-09: 9,2). E3.
  12. 12
    data/processed/cloudflare-s11/monthly_models.csv y analysis/cloudflare-s11/model_summary_monthly.csv: @cf/baai/bge-m3 17,6% (2025-06) y 83,7% (2026-10) de todas las solicitudes de inferencia (Radar cuenta solicitudes, no tokens), líder general en 14 de 17 meses (bge-large-en-v1.5 en 2025-07 y 2025-08, whisper-large-v3-turbo en 2026-05); el 96,6% de las inferencias de embeddings en 2026-10 (embeddings_top3_monthly.csv). Generación de texto (text_generation_summary_monthly.csv, within_task_rankings_monthly.csv): denominador = inferencias de todos los identificadores catalogados como Text Generation, retirados incluidos (de 31 a 60 por mes). Líderes: llama-4-scout-17b-16e-instruct 53,4%, 56,7%, 35,8% (2025-06 a 2025-08) y 8,9% (2026-10); gpt-oss-20b 31,4%, 35,1%; gpt-oss-120b del 12,9% al 26,8% (2025-11 a 2026-04) y 16,8% (2026-09); gemma-4-26b-a4b-it 26,7%, 37,2%, 17,2%; glm-4.7-flash 20,2% (2026-08) y 8,2% (segundo, 2026-10). Cinco modelos más usados: 76,2% y 78,2% (2025-06, 2025-07), 35,3% (2026-10). Con la serie de tareas de Radar como denominador (el método del primer análisis de Cloudflare, ya sustituido, 7e72020): cuotas de los líderes entre 4,0 y 18,3 puntos más altas antes de 2026-06 y entre 0,4 y 1,0 después; el orden no cambia. Porcentajes por modelo tal como se publican: E1; porcentajes dentro de cada tarea: E3.
  13. 13
    pipelines/cloudflare_s11/identity_matches.csv (regla y prueba de cada pareja) y analysis/cloudflare-s11/openrouter_top5_on_workers_ai.csv. Top 5 de OpenRouter por versión y tokens, con los datos de este capítulo (2026-10 tiene 14 días). Puestos de la misma versión publicada: moonshotai/kimi-k2.5-0127 (2026-02, ausente de los datos de Workers AI ese mes), z-ai/glm-5.2-20260616 (2026-07; puesto 8, en Workers AI, 3,5%), deepseek/deepseek-v4-flash-20260731 (2026-08, líder de OpenRouter con el 12,3% de los tokens; puesto 11, 2,8%; y 2026-09, puesto 11, 3,6%), z-ai/glm-5.3-flash-20260826 (2026-09, líder de OpenRouter con el 9,9%; puesto 6, 6,4%; y 2026-10, puesto 8, 5,0%). Líderes de Workers AI en OpenRouter (openrouter_matched_llms_monthly.csv): gpt-oss-120b mejor puesto 7 (2025-12, 3,3% de los tokens). Modelos emparejados por mes: de 3 a 8; las correlaciones de rangos (openrouter_rank_correlation.csv) no se interpretan. E3.
  14. 14
    analysis/tokens/coverage_monthly.csv; 650 días observados; 2025-06-15 y 2025-07-15 ausentes en la fuente y sin interpolar. Proporción de los tokens de cada mes en la fila «other» (columna other_share_of_month): del 3,5% (2025-03) al 9,8% (2026-05). Prueba de revisión del 2026-10-19 frente a la extracción del 2026-10-15: 11.526 filas coincidentes, 0 cambiadas (analysis/tokens/revision_check.csv). E3. DEC-026, DEC-073.
  15. 15
    data/processed/openrouter/daily_totals.csv. Mediana de tokens diarios: primeros 30 días, 7,25×10¹⁰; últimos 30 días, 2,26×10¹³ (cociente de aproximadamente 312). Totales diarios tal como se publican: E1; cociente: E3.
  16. 16
    analysis/tokens/variant_split.csv; analysis/tokens/concentration_u_test.csv (top 5, media de la cuota diaria, todos los tokens, 2025-T1: variante 62,1%, versión 67,7%). :beta suponía el 29,9% de los tokens del top 50 en 2025-01 y el 0% desde 2025-08. E3. DEC-077.
  17. 17
    analysis/tokens/turnover_checks.csv y turnover_checks_meta.csv. Reingresos: 248 de 378 versiones tienen más de un periodo en el top 50. Ventana estricta (<90 días): como mucho, unos 1 punto menos. Denominador solo con el top 50: 3–6 puntos más. Excluyendo las versiones que figuraban en el catálogo de modelos de OpenRouter antes de 2025 (72 versiones; catalog_first_seen en registry/model_identity.csv, de capturas archivadas de /api/v1/models, de OpenRouter, DEC-075 rev. 1): 2025-04 pasa del 71,95% al 71,13% y 2025-07, del 51,90% al 51,89%; los demás meses no cambian. Entre el 1% y el 29% de los tokens de recién llegadas de cada mes corresponden a versiones cuyo primer día en el top 50 llegó a través de un identificador de variante. E3. DEC-077.
  18. 18
    analysis/tokens/turnover_monthly.csv, columnas entrants y exits, nivel version, de 2025-02 a 2026-09. Primer mes censurado por la izquierda y último mes censurado por la derecha en este recuento. E3. DEC-018.
  19. 19
    Clases y estados en registry/model_openness.csv; definiciones en research/openness-taxonomy.md. OW-P: pesos en un repositorio público y sin acceso restringido, con un archivo de licencia que corresponde a una licencia permisiva (apache-2.0, mit, bsd-3-clause). OW-R: lo mismo, con una licencia restrictiva verificada (ninguna en el registro). OW-N: pesos públicos y sin acceso restringido; licencia no comercial, fuera de la lista de la política, o declarada sin un archivo de licencia que corresponda (la licencia no se ha leído necesariamente). CW: requiere una fuente primaria explícita; las nueve decisiones registradas están suspendidas en virtud de DEC-099, así que ninguna está confirmada. UNK: ninguna de las anteriores, pruebas contradictorias o acceso restringido con condiciones no leídas. Las 142 clases abiertas están todas en auto_verified (comprobaciones automáticas); ninguna clase está en human_approved. Validez en el momento (pit_strict): abierta solo a partir de la primera captura pública archivada del repositorio (141 versiones), o desde la fecha en que obtuvimos las pruebas cuando no existe captura archivada (1 versión). Metadatos de los repositorios y archivos de licencia con hash. DEC-019, DEC-022, DEC-023, DEC-024.
  20. 20
    research/tokens/human-review-package.md y analysis/tokens/review_candidates.csv. Cuotas de 2025-T1: Claude 3.5 Sonnet 20,9%, Claude 3.7 Sonnet 16,6%, Claude 3.5 Sonnet (2024-06-20) 0,5%; versiones de Llama, en torno al 6% en conjunto; todas, 0% en 2026-T3. No se ha registrado ninguna decisión sobre estas versiones. registry/human_decisions.csv contiene nueve decisiones históricas de pesos cerrados sobre otras versiones (DEC-093, DEC-094); las nueve están suspendidas en virtud de DEC-099 (registry/decision_suspensions.csv), así que ninguna cuenta como clasificación verificada de pesos cerrados. DEC-078.
  21. 21
    analysis/cloudflare-s11/task_series_catalog_coverage_test.csv y task_reconciliation.csv. Mayor diferencia mensual entre la serie de modelos sumada por tarea del catálogo y la serie de tareas de Radar: 7,95 puntos; quitando los modelos que ya no están en el catálogo actual de Workers AI y renormalizando el resto: como máximo 0,30 puntos en los 18 meses (0,03 o menos en 11). Identificadores retirados: del 2,3% al 11,4% de las inferencias mensuales antes de 2026-06 y del 0,3% al 0,6% después; en su mayoría, modelos de generación de texto. Serie de tareas de Radar, generación de texto: del 8,1% al 34,9% (2025-06 a 2026-10; task_summary_monthly.csv). Asignación de modelos a tareas: data/processed/cloudflare-s11/model_catalog.csv (153 identificadores; primero el catálogo actual, sin los prefijos de servicio, y reglas por palabra clave para los retirados). Inferencia nuestra, no documentada por Cloudflare. E3.