Recursos · Calidad de las respuestas
Skyller obtuvo 71,93 puntos en EnterpriseRAG-Bench, una evaluación pública con más de 500 mil documentos y 500 preguntas. En el ranking consultado el 6 de septiembre de 2026, quedó en 4º lugar entre 22 sistemas, por delante de las configuraciones evaluadas de OpenAI File Search, Amazon Q, Azure AI Search, Vertex AI Search y NVIDIA AI Blueprints. Los resultados, el método y las respuestas están disponibles para consulta.
Ver cómo funciona71,93 PUNTOS
nota general de la presentación de Skyller en EnterpriseRAG-Bench
+10,9 PUNTOS
diferencia frente a OpenAI File Search (61,03), en las configuraciones del ranking del 6 de septiembre de 2026
20 DE 20 CASOS
todos los casos sin respuesta en el acervo se identificaron correctamente; el resultado se limita a esos casos
4º DE 22
posición verificada en el ranking público el 6 de septiembre de 2026; Skyller entró en 2º el 12 de agosto
El ranking
El benchmark usa un acervo, 500 preguntas y un método de evaluación comunes. Cada fila representa la configuración presentada de ese sistema, con sus modelos y ajustes. Los resultados no evalúan todos los productos o versiones de cada proveedor.
| Sistema | Posición | Nota general |
|---|---|---|
| metor.com | Posición1 | Nota general80,34 |
| Causal Dynamics Lab | Posición2 | Nota general78,95 |
| Troml | Posición3 | Nota general76,79 |
| Skyller | Posición4 | Nota general71,93 |
| OpenAI File Search | Posición8 | Nota general61,03 |
| Amazon Q (Kendra) | Posición10 | Nota general48,96 |
| Azure AI Search | Posición11 | Nota general48,42 |
| Vertex AI Search | Posición14 | Nota general41,87 |
| NVIDIA AI Blueprints | Posición16 | Nota general37,73 |
Selección de las cuatro primeras posiciones y cinco sistemas de búsqueda corporativa. El ranking incluía 22 sistemas el 6 de septiembre de 2026. Nuevas presentaciones pueden cambiar posiciones y resultados; consulte la lista completa en el sitio de Onyx.
Cómo interpretar la posición
La posición compara las presentaciones publicadas en este benchmark, que reúne distintos tipos de sistemas. No clasifica todos los productos del mercado ni certifica condiciones comerciales. Skyller entró en 2º lugar el 12 de agosto de 2026 y aparecía en 4º, con los mismos 71,93 puntos, en la consulta del 6 de septiembre.
La evaluación
EnterpriseRAG-Bench lo mantiene Onyx, que vende un producto del mismo tipo y se excluye de su propio ranking para evitar conflicto de interés. El acervo, las preguntas, el corrector y el historial del ranking son públicos.
500 MIL
El acervo simula una empresa de tecnología que no existe: algo más de 500 mil documentos en nueve orígenes — mensajes internos, correos, tickets de proyecto, archivos compartidos, CRM, transcripciones de reuniones, código, soporte y wiki.
Es el volumen de una empresa real, no una muestra
A PROPÓSITO
Después de generar los documentos, Onyx desordena el acervo: archivos mal guardados, casi duplicados en sistemas distintos, versiones desactualizadas y documentos que se contradicen abiertamente.
La prueba mide búsqueda en desorden, que es el caso de todos
500
Diez tipos, desde la simple con una sola fuente hasta la que exige juntar un proyecto entero, la que tiene información contradictoria y veinte cuya respuesta simplemente no está en el acervo.
Incluye la pregunta que tumba asistentes: la que no tiene respuesta
INDEPENDIENTE
Cada respuesta se compara con la respuesta esperada y con la lista de hechos que debe contener. Los documentos se clasifican mediante tres evaluaciones independientes y decide la mayoría. El programa y las reglas son de Onyx.
Ningún paso de la corrección pasa por nosotros
Cómo sale la nota
El resultado
El promedio general esconde lo que más importa a una empresa: en qué tipo de pregunta la asistente es fuerte. La prueba separa las 500 preguntas en diez tipos, y la tabla de abajo es todo lo que Onyx publicó sobre Skyller.
| Tipo de pregunta | Preguntas | Nota | Documentos correctos |
|---|---|---|---|
| No está en el acervo | Preguntas20 | Nota100,00 | Documentos correctos— |
| Documentos informales | Preguntas20 | Nota85,00 | Documentos correctos100,0 |
| Fragmentos distantes del mismo documento | Preguntas40 | Nota83,33 | Documentos correctos97,5 |
| Pregunta directa | Preguntas175 | Nota79,13 | Documentos correctos88,6 |
| Información contradictoria | Preguntas20 | Nota74,57 | Documentos correctos92,5 |
| Pregunta con salvedad | Preguntas30 | Nota72,56 | Documentos correctos93,3 |
| Pregunta de visión general | Preguntas10 | Nota68,00 | Documentos correctos— |
| Pregunta indirecta | Preguntas125 | Nota64,47 | Documentos correctos69,6 |
| Documentos de un proyecto entero | Preguntas40 | Nota50,89 | Documentos correctos64,0 |
| Traer todo lo que existe | Preguntas20 | Nota32,08 | Documentos correctos52,0 |
Fuente: archivo de resultados de Skyller publicado por Onyx en el repositorio del ranking. El guion aparece donde la evaluación no define documentos esperados. Las dos últimas filas son los frentes en los que el equipo trabaja para la próxima presentación.
Qué se probó
Las 500 respuestas se generaron por las rutas públicas de conversación de Skyller, en el entorno registrado para la presentación. Los modelos y ajustes usados forman parte de ese registro; los cambios posteriores del producto requieren una nueva evaluación.
Punto de partida
La pregunta literal de la evaluación, enviada en una conversación nueva, sin categoría, sin respuesta esperada, sin los documentos correctos y sin ningún contexto de pregunta anterior.
Qué pasó en cada pregunta
Qué permite afirmar
El archivo de respuestas que guardamos aquí tiene la misma huella (SHA-256 dfe926a3…) que el archivo que Onyx publicó en su repositorio. Nadie tiene que creer en nuestra palabra: las respuestas, el corrector y la cuenta están abiertos.
Dónde se detiene la prueba
Qué significa
A la hora de decidir
Si está comparando asistentes de IA para su empresa, tres cosas que este resultado vuelve fáciles de hacer.
Hágale la misma pregunta difícil a cada herramienta que esté probando
Pida la fecha y la fuente de cualquier número de calidad que reciba
Pregunte si la prueba presentada corrió en el producto en línea o en un entorno de demostración
Qué mostró la evaluación
Qué solo muestra su propia prueba
Dónde verificar
Nada aquí depende de creerle a Skyller. Las cuatro direcciones de abajo son públicas y las mantiene Onyx.
Preguntas
Empezar
Un ranking público muestra que la búsqueda funciona en un acervo grande y desordenado, evaluada por quien no vende Skyller. Lo que no muestra es su empresa. Eso se descubre en una tarde, gratis.
