Leaderboard de AI Benchy

Name: Resultados de benchmark de modelos de AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-08-15 Modelos evaluados: 287

Modelos recomendados

GPT-5.6 Sol high Inteligente Tasa de aciertos por intento 89.4% Pruebas correctas 18 / 22 Puntuación 9.4/10 GPT-5.6 Luna medium Rápido Tiempo de respuesta (promedio) 7.43s Total de tokens de salida 44,525 Puntuación 7.4/10 DeepSeek V4 Flash 0731 high Económico Precio de entrada $0.140 / 1M Precio de salida $0.280 / 1M Puntuación 8.0/10

287/287

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#17#17	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 86.4% Pruebas inestables 3 Tokens de entrada 106,029 Tokens de salida 5,748 Tokens de razonamiento 220,354 Tiempo de respuesta (promedio) 44.32s Tiempo de respuesta (total) 975.11s Tiempo de respuesta (máximo) 556.06s Respuesta incorrecta: 4 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#16#16	Seed 2.1 Turbolow	9.1	Bytedance Seed	$1.546	163.90s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 80.3% Pruebas inestables 2 Tokens de entrada 104,464 Tokens de salida 6,844 Tokens de razonamiento 590,392 Tiempo de respuesta (promedio) 163.90s Tiempo de respuesta (total) 3605.87s Tiempo de respuesta (máximo) 739.98s Respuesta incorrecta: 3 Sin respuesta: 2 Trucos anti-IA : 8.2 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#15#15	Claude Opus 5medium	9.2	Anthropic	$1.586	10.26s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 1 Tokens de entrada 135,604 Tokens de salida 23,814 Tokens de razonamiento 12,804 Tiempo de respuesta (promedio) 10.26s Tiempo de respuesta (total) 225.66s Tiempo de respuesta (máximo) 35.43s Respuesta incorrecta: 3 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#14#14	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 81.8% Pruebas inestables 0 Tokens de entrada 135,956 Tokens de salida 64,624 Tokens de razonamiento 30,959 Tiempo de respuesta (promedio) 22.51s Tiempo de respuesta (total) 495.12s Tiempo de respuesta (máximo) 159.01s Respuesta incorrecta: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#13#13	Gemini 3.7 Flashlow	9.2	Google	$0.104	3.85s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 95.5% Pruebas inestables 2 Tokens de entrada 90,322 Tokens de salida 6,294 Tokens de razonamiento 30,759 Tiempo de respuesta (promedio) 3.85s Tiempo de respuesta (total) 84.80s Tiempo de respuesta (máximo) 19.44s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 8.2 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#12#12	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.352	20.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 90.9% Pruebas inestables 0 Tokens de entrada 92,296 Tokens de salida 5,232 Tokens de razonamiento 92,006 Tiempo de respuesta (promedio) 20.62s Tiempo de respuesta (total) 329.94s Tiempo de respuesta (máximo) 88.68s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 7.9 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#11#11	Grok 4.6high	9.3	X AI	$1.908	84.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 86.4% Pruebas inestables 0 Tokens de entrada 107,275 Tokens de salida 5,094 Tokens de razonamiento 277,123 Tiempo de respuesta (promedio) 84.15s Tiempo de respuesta (total) 1851.26s Tiempo de respuesta (máximo) 618.49s Respuesta incorrecta: 2 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#10#10	GPT-5.5low	9.3	OpenAI	$1.257	10.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 86.4% Pruebas inestables 0 Tokens de entrada 80,067 Tokens de salida 5,378 Tokens de razonamiento 23,162 Tiempo de respuesta (promedio) 10.15s Tiempo de respuesta (total) 223.24s Tiempo de respuesta (máximo) 56.19s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#9#9	GPT-5.6 Solhigh	9.4	OpenAI	$1.258	11.48s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 89.4% Pruebas inestables 3 Tokens de entrada 79,258 Tokens de salida 4,855 Tokens de razonamiento 23,853 Tiempo de respuesta (promedio) 11.48s Tiempo de respuesta (total) 252.62s Tiempo de respuesta (máximo) 54.79s Respuesta incorrecta: 4 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 4.7
#8#8	GPT-5.6 Solmedium	9.4	OpenAI	$1.445	12.63s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 90.9% Pruebas inestables 3 Tokens de entrada 79,006 Tokens de salida 4,696 Tokens de razonamiento 30,281 Tiempo de respuesta (promedio) 12.63s Tiempo de respuesta (total) 277.88s Tiempo de respuesta (máximo) 79.40s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 4.7
#7#7	Gemini 3.7 Flashmedium	9.4	Google	$0.155	5.87s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 93.9% Pruebas inestables 1 Tokens de entrada 89,055 Tokens de salida 5,697 Tokens de razonamiento 58,880 Tiempo de respuesta (promedio) 5.87s Tiempo de respuesta (total) 129.20s Tiempo de respuesta (máximo) 30.23s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#6#6	Gemini 3.5 Flashhigh	9.4	Google	$2.011	15.46s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 89.4% Pruebas inestables 2 Tokens de entrada 107,146 Tokens de salida 8,777 Tokens de razonamiento 196,705 Tiempo de respuesta (promedio) 15.46s Tiempo de respuesta (total) 340.20s Tiempo de respuesta (máximo) 145.92s Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 9.8 Cultura general : 10.0
#5#5	Gemini 3 Flash Previewmedium	9.5	Google	$0.763	19.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 93.9% Pruebas inestables 1 Tokens de entrada 87,870 Tokens de salida 5,486 Tokens de razonamiento 234,122 Tiempo de respuesta (promedio) 19.86s Tiempo de respuesta (total) 436.88s Tiempo de respuesta (máximo) 117.26s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 8.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#4#4	GPT-5.6 Sollow	9.5	OpenAI	$0.992	9.04s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 86.4% Pruebas inestables 2 Tokens de entrada 78,580 Tokens de salida 4,476 Tokens de razonamiento 15,470 Tiempo de respuesta (promedio) 9.04s Tiempo de respuesta (total) 198.97s Tiempo de respuesta (máximo) 53.91s Respuesta incorrecta: 4 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 10.0
#2🥈 #2	Gemini 3.7 Flashhigh	9.8	Google	$0.323	12.22s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 95.5% Pruebas inestables 2 Tokens de entrada 86,712 Tokens de salida 6,017 Tokens de razonamiento 148,829 Tiempo de respuesta (promedio) 12.22s Tiempo de respuesta (total) 268.78s Tiempo de respuesta (máximo) 91.63s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.8 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#3🥉 #3	Gemini 3.6 Flashmedium	9.8	Google	$0.427 ↓	11.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 95.5% Pruebas inestables 2 Tokens de entrada 64,446 Tokens de salida 1,974 Tokens de razonamiento 98,902 Tiempo de respuesta (promedio) 11.86s Tiempo de respuesta (total) 260.96s Tiempo de respuesta (máximo) 77.15s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.8 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.699 ↓	16.81s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 98.5% Pruebas inestables 1 Tokens de entrada 71,470 Tokens de salida 3,276 Tokens de razonamiento 168,709 Tiempo de respuesta (promedio) 16.81s Tiempo de respuesta (total) 369.88s Tiempo de respuesta (máximo) 104.15s Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 8.2 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0

←

1 9 10

Comparación rápida

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Leaderboard de AI Benchy

Modelos recomendados

Filtrar modelos

Comparación rápida