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: 2026-09-02 Modelos evaluados: 311

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 $0.065 / 1M Precio de salida $0.180 / 1M Puntuación 8.0/10

311/311

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#305#305	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 9.6 Tasa de aciertos por intento 24.2% Pruebas inestables 3 Tokens de entrada 103,898 Tokens de salida 148,304 Tokens de razonamiento 774,972 Tiempo de respuesta (promedio) 68.08s Tiempo de respuesta (total) 1429.66s Tiempo de respuesta (máximo) 262.20s Sin respuesta: 7 Respuesta incorrecta: 5 No siguió las instrucciones: 4 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.5 Programación : 2.9 Combinado : 3.0 Análisis y extracción de datos : 2.7 Específico del dominio : 3.0 Inteligencia general : 3.8 Seguimiento de instrucciones : 6.8 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#245#245	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Ver ficha del modelo Pruebas totales 16 Pruebas incorrectas 3 Fiabilidad N/D Tasa de aciertos por intento 59.1% Pruebas inestables 0 Tokens de entrada 28,980 Tokens de salida 1,283 Tokens de razonamiento 1,533,310 Tiempo de respuesta (promedio) 68.14s Tiempo de respuesta (total) 1090.28s Tiempo de respuesta (máximo) 280.52s Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 7.5 Programación : 0.0 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 0.0
#128#128	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 7 Tokens de entrada 101,056 Tokens de salida 11,832 Tokens de razonamiento 116,955 Tiempo de respuesta (promedio) 68.43s Tiempo de respuesta (total) 1505.53s Tiempo de respuesta (máximo) 376.10s Respuesta incorrecta: 5 Error de API: 2 Tiempo agotado: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#44#44	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 3 Tokens de entrada 122,155 Tokens de salida 5,514 Tokens de razonamiento 293,946 Tiempo de respuesta (promedio) 68.59s Tiempo de respuesta (total) 1508.91s Tiempo de respuesta (máximo) 436.38s Respuesta incorrecta: 5 Trucos anti-IA : 10.0 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#175#175	Ring-2.6-1Tmedium	6.4	Inclusionai	$0.102 ↑	68.80s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 3 Tokens de entrada 113,613 Tokens de salida 122,706 Tokens de razonamiento 42,325 Tiempo de respuesta (promedio) 68.80s Tiempo de respuesta (total) 1375.99s Tiempo de respuesta (máximo) 304.19s Respuesta incorrecta: 6 Error de API: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.3 Combinado : 7.3 Análisis y extracción de datos : 6.5 Específico del dominio : 3.6 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#284#284	MiniMax M2.5medium	4.6	Minimax	$0.327 ↑	69.08s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 9 Tokens de entrada 142,621 Tokens de salida 20,409 Tokens de razonamiento 251,820 Tiempo de respuesta (promedio) 69.08s Tiempo de respuesta (total) 1036.24s Tiempo de respuesta (máximo) 251.36s Respuesta incorrecta: 7 Tiempo agotado: 4 No siguió las instrucciones: 3 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 3.4 Combinado : 3.7 Análisis y extracción de datos : 4.6 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 7.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#63#63	GLM 5.2high	8.0	Z.ai	$1.188 ↑	69.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 3 Tokens de entrada 83,822 Tokens de salida 72,040 Tokens de razonamiento 292,615 Tiempo de respuesta (promedio) 69.86s Tiempo de respuesta (total) 1536.98s Tiempo de respuesta (máximo) 599.43s Tiempo agotado: 3 Sin respuesta: 2 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#141#141	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 4 Tokens de entrada 98,700 Tokens de salida 1,050,900 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 70.10s Tiempo de respuesta (total) 1542.14s Tiempo de respuesta (máximo) 364.99s Respuesta incorrecta: 7 Sin respuesta: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 4.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#250#250	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.156 ↕	70.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 9.9 Tasa de aciertos por intento 48.5% Pruebas inestables 11 Tokens de entrada 126,330 Tokens de salida 165,702 Tokens de razonamiento 594,739 Tiempo de respuesta (promedio) 70.11s Tiempo de respuesta (total) 1542.52s Tiempo de respuesta (máximo) 437.11s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 4.4 Combinado : 6.2 Análisis y extracción de datos : 3.7 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 4.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#81#81	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 8.5 Tasa de aciertos por intento 77.3% Pruebas inestables 6 Tokens de entrada 85,657 Tokens de salida 8,142 Tokens de razonamiento 233,167 Tiempo de respuesta (promedio) 72.24s Tiempo de respuesta (total) 1589.31s Tiempo de respuesta (máximo) 485.92s Respuesta incorrecta: 6 Error de API: 2 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 7.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 9.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#26#26	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
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 152,175 Tokens de salida 5,655 Tokens de razonamiento 318,807 Tiempo de respuesta (promedio) 72.30s Tiempo de respuesta (total) 1590.56s Tiempo de respuesta (máximo) 676.83s Sin respuesta: 2 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#46#46	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 81.8% Pruebas inestables 4 Tokens de entrada 106,787 Tokens de salida 4,811 Tokens de razonamiento 244,997 Tiempo de respuesta (promedio) 73.46s Tiempo de respuesta (total) 1616.12s Tiempo de respuesta (máximo) 514.35s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#92#92	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 9.7 Tasa de aciertos por intento 62.1% Pruebas inestables 5 Tokens de entrada 121,996 Tokens de salida 90,051 Tokens de razonamiento 185,731 Tiempo de respuesta (promedio) 75.15s Tiempo de respuesta (total) 1578.24s Tiempo de respuesta (máximo) 431.03s Respuesta incorrecta: 4 Tiempo agotado: 3 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 5.5 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.2 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#301#301	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 24.2% Pruebas inestables 3 Tokens de entrada 115,314 Tokens de salida 133,965 Tokens de razonamiento 816,718 Tiempo de respuesta (promedio) 75.68s Tiempo de respuesta (total) 1589.20s Tiempo de respuesta (máximo) 345.15s Sin respuesta: 7 Respuesta incorrecta: 6 No siguió las instrucciones: 3 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.4 Programación : 2.9 Combinado : 3.0 Análisis y extracción de datos : 2.8 Específico del dominio : 2.9 Inteligencia general : 5.4 Seguimiento de instrucciones : 6.8 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#272#272	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.592 ↓	75.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 39.4% Pruebas inestables 8 Tokens de entrada 101,776 Tokens de salida 276,367 Tokens de razonamiento 656,252 Tiempo de respuesta (promedio) 75.86s Tiempo de respuesta (total) 1668.93s Tiempo de respuesta (máximo) 510.21s Respuesta incorrecta: 10 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Sin respuesta: 1 Trucos anti-IA : 6.7 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 4.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#61#61	DeepSeek V4 Flash 0731low	8.0	DeepSeek	$0.044 ↓	77.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 5 Tokens de entrada 93,345 Tokens de salida 35,723 Tokens de razonamiento 350,266 Tiempo de respuesta (promedio) 77.55s Tiempo de respuesta (total) 1706.18s Tiempo de respuesta (máximo) 438.65s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.2 Programación : 7.3 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#179#179	Gemma 4 31Bmedium	6.2	Google	$0.100 ↓	78.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 3 Tokens de entrada 94,969 Tokens de salida 34,399 Tokens de razonamiento 233,022 Tiempo de respuesta (promedio) 78.59s Tiempo de respuesta (total) 1571.84s Tiempo de respuesta (máximo) 437.40s Respuesta incorrecta: 3 Error de API: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.3 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#102#102	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.687 ↓	80.09s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 72,085 Tokens de salida 57,453 Tokens de razonamiento 182,093 Tiempo de respuesta (promedio) 80.09s Tiempo de respuesta (total) 1681.85s Tiempo de respuesta (máximo) 365.80s Respuesta incorrecta: 6 Tiempo agotado: 3 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 7.3 Programación : 7.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#12#12	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
#187#187	Qwen3.5-Flashmedium	6.1	Qwen	$0.142 ↓	84.44s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 6 Tokens de entrada 118,508 Tokens de salida 35,457 Tokens de razonamiento 477,389 Tiempo de respuesta (promedio) 84.44s Tiempo de respuesta (total) 1773.20s Tiempo de respuesta (máximo) 515.38s Respuesta incorrecta: 5 Tiempo agotado: 3 Error de API: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 3.7 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#114#114	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.066 ↓	84.66s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 8 Tokens de entrada 89,819 Tokens de salida 58,398 Tokens de razonamiento 492,457 Tiempo de respuesta (promedio) 84.66s Tiempo de respuesta (total) 1862.46s Tiempo de respuesta (máximo) 288.78s Respuesta incorrecta: 5 Sin respuesta: 3 Formato extra: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 8.2 Programación : 6.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#261#261	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 22.7% Pruebas inestables 5 Tokens de entrada 118,752 Tokens de salida 67,823 Tokens de razonamiento 383,885 Tiempo de respuesta (promedio) 85.34s Tiempo de respuesta (total) 1877.49s Tiempo de respuesta (máximo) 814.73s Respuesta incorrecta: 15 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 3.8 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 4.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#189#189	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.756 ↓	85.44s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 48.5% Pruebas inestables 6 Tokens de entrada 118,486 Tokens de salida 156,166 Tokens de razonamiento 860,619 Tiempo de respuesta (promedio) 85.44s Tiempo de respuesta (total) 1879.75s Tiempo de respuesta (máximo) 525.14s Respuesta incorrecta: 8 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Trucos anti-IA : 6.8 Programación : 7.5 Combinado : 2.9 Análisis y extracción de datos : 6.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 4.4 Resolución de acertijos : 5.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#291#291	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 8.6 Tasa de aciertos por intento 16.7% Pruebas inestables 2 Tokens de entrada 57,786 Tokens de salida 130,805 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 86.27s Tiempo de respuesta (total) 1897.96s Tiempo de respuesta (máximo) 747.17s Respuesta incorrecta: 11 Formato extra: 4 Tiempo agotado: 3 No siguió las instrucciones: 1 Trucos anti-IA : 4.9 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 2.9 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 3.0 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#27#27	Muse Spark 1.3medium	9.0	Meta	$1.075	89.78s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.3 Tasa de aciertos por intento 81.8% Pruebas inestables 4 Tokens de entrada 98,062 Tokens de salida 13,168 Tokens de razonamiento 210,826 Tiempo de respuesta (promedio) 89.78s Tiempo de respuesta (total) 1975.17s Tiempo de respuesta (máximo) 356.29s Respuesta incorrecta: 3 Error de API: 1 No siguió las instrucciones: 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 : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 8.4 Llamada de herramientas : 9.8 Cultura general : 3.0

Tendencias globales del benchmark

Descubre cómo los modelos actuales equilibran puntuación, costo, velocidad, longitud de salida y rendimiento por categoría.

Gráficos →

Frontera de Pareto: inteligencia vs costo

Evolución de la mejor puntuación de las empresas líderes

Frontera de Pareto: inteligencia vs velocidad de respuesta

Frontera de Pareto: puntuación vs tokens de salida

Dificultad de las categorías entre modelos

Comparación rápida

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 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