Comparador de respuestas de LLM en el navegador
Compara dos salidas de modelos de lenguaje por palabras, tokens aproximados, términos compartidos y similitud léxica. Sin clave de API, todo se ejecuta enteramente en tu navegador y nada se envía a un servidor.
Cómo usar esta herramienta
- Pega la primera respuesta en el panel izquierdo.
- Pega la segunda respuesta en el panel derecho.
- Revisa el diff en línea que resalta las diferencias entre ambas salidas.
Comparison is lexical and deterministic. It does not call an LLM or embeddings API.
Acerca de Comparador de respuestas de LLM
El Comparador de respuestas de LLM pone dos salidas de modelo una al lado de la otra y mide en qué se diferencian a través de varias métricas rápidas de texto. Cuando estás evaluando prompts, comparando dos modelos o comprobando si un cambio de temperatura hizo las respuestas más largas o más cortas, juzgar a ojo dos bloques de texto es poco fiable. Esta herramienta te da números repetibles: recuento de palabras, recuento aproximado de tokens, vocabulario compartido y una puntuación de similitud léxica, calculados de forma determinista en tu navegador, de modo que el mismo par de respuestas siempre arroja el mismo resultado.
Para cada respuesta indica el número de palabras y un recuento aproximado de tokens. La estimación de tokens usa una heurística sencilla en lugar de un tokenizador real: divide el texto en fragmentos de palabras y signos de puntuación, y luego cuenta los fragmentos cortos de hasta cuatro caracteres como un token, los medianos de cinco a ocho caracteres como 1,3 tokens, y los más largos como su longitud dividida entre cuatro. Esto imita a grandes rasgos cómo los tokenizadores de subpalabras dividen las palabras largas en varios tokens, pero es una estimación, no el recuento exacto que cobraría un modelo concreto.
Dos métricas entre respuestas completan el panorama. Los términos compartidos son el conjunto de palabras, de dos o más letras, que aparecen en ambas respuestas, listadas alfabéticamente, mostrando las dos primeras docenas para que veas qué tienen en común las respuestas. La similitud léxica es una puntuación de coseno por frecuencia de términos de 0 a 1, la misma medida de solapamiento de palabras que se usa para comparar documentos, expresada como porcentaje. Juntas te dicen si dos respuestas son paráfrasis la una de la otra o si difieren de verdad en contenido y longitud.
Como todo es léxico y local, el comparador nunca llama a un modelo evaluador ni a una API de embeddings, y nada de lo que pegas se transmite. Eso lo hace rápido y privado, pero también limitado: compara palabras y longitudes, no corrección ni significado, así que dos respuestas factualmente opuestas que usen el mismo vocabulario pueden puntuar como muy similares. Úsalo para cuantificar diferencias superficiales en experimentos de prompts y modelos, y combínalo con tu propio criterio para cualquier cosa relativa a la calidad o la exactitud.
Preguntas frecuentes
- ¿Qué métricas muestra el comparador?
- Para cada respuesta muestra el número de palabras y un recuento aproximado de tokens. Para el par muestra la similitud léxica de coseno como porcentaje y el número de términos compartidos, con las dos primeras docenas de palabras comunes listadas. Todo se actualiza en directo a medida que editas cualquiera de las respuestas.
- ¿Cómo se estima el recuento de tokens?
- Es una heurística, no un tokenizador real. El texto se divide en fragmentos de palabras y signos de puntuación; los fragmentos de hasta cuatro caracteres cuentan como un token, los de cinco a ocho como 1,3 tokens, y los más largos como su longitud dividida entre cuatro. Esto aproxima la división en subpalabras, pero no coincidirá exactamente con el tokenizador de ningún modelo concreto.
- ¿Qué cuenta como término compartido?
- Un término compartido es cualquier palabra de dos o más letras que aparece en ambas respuestas, comparada sin distinguir mayúsculas. Los términos compartidos se listan alfabéticamente, y la pantalla muestra las dos primeras docenas para que veas rápidamente qué vocabulario tienen en común las dos respuestas.
- ¿Cómo se calcula la similitud léxica?
- Usa la similitud de coseno por frecuencia de términos: cada respuesta se convierte en un vector de recuentos de palabras, y la puntuación es el producto escalar dividido entre el producto de las magnitudes de los vectores, escalado a porcentaje. Una puntuación alta significa que las dos respuestas usan palabras similares en proporciones similares.
- ¿Puede decirme qué respuesta es mejor o más exacta?
- No. Mide rasgos superficiales, longitud y solapamiento de palabras, no corrección, razonamiento ni significado. Dos respuestas que se contradicen pueden puntuar como muy similares si reutilizan las mismas palabras. Usa los números para cuantificar las diferencias y juzga tú mismo la calidad, o con un evaluador aparte.
- ¿Llama a algún modelo o API de embeddings para comparar las respuestas?
- No. Todas las métricas se calculan con análisis de texto determinista en el navegador. No usa ni un modelo evaluador ni un servicio de embeddings, así que la comparación es instantánea, repetible y nada de lo que pegas abandona tu dispositivo.
- ¿Cuál es un buen caso de uso para esta herramienta?
- Es útil para experimentos de prompts y modelos: comparar cómo dos prompts cambian la longitud de las respuestas, comprobar si dos modelos producen texto casi duplicado, o confirmar que un cambio de ajuste realmente alteró la salida. Cuantifica las diferencias superficiales para que no tengas que adivinarlas a ojo.
Inserta esta herramienta en tu sitio
Gratis. Una línea de HTML — la herramienta se ejecuta en el navegador de tu visitante, sin enviar datos a nadie.
<iframe src="https://brevio.pro/embed/llm-response-comparator" width="100%" height="600" loading="lazy" style="border:1px solid #e5e5e5;border-radius:8px" title="LLM Response Comparator — brevio"></iframe> <p style="font:12px/1.4 sans-serif"><a href="https://brevio.pro/tools/llm-response-comparator">LLM Response Comparator</a> by <a href="https://brevio.pro">brevio</a></p>