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)
#94#94	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 5 Tokens de entrada 113,569 Tokens de salida 9,823 Tokens de razonamiento 264,886 Tiempo de respuesta (promedio) 91.76s Tiempo de respuesta (total) 1376.42s Tiempo de respuesta (máximo) 304.85s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.6 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#83#83	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.489 ↑	92.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 6 Tokens de entrada 90,757 Tokens de salida 22,928 Tokens de razonamiento 186,516 Tiempo de respuesta (promedio) 92.50s Tiempo de respuesta (total) 2035.01s Tiempo de respuesta (máximo) 416.76s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 5.7 Programación : 6.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.8 Resolución de acertijos : 6.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#133#133	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.116	93.10s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 8.7 Tasa de aciertos por intento 57.6% Pruebas inestables 3 Tokens de entrada 125,704 Tokens de salida 10,781 Tokens de razonamiento 247,541 Tiempo de respuesta (promedio) 93.10s Tiempo de respuesta (total) 1768.91s Tiempo de respuesta (máximo) 301.78s Respuesta incorrecta: 5 Tiempo agotado: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.6 Programación : 5.5 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#58#58	Muse Glimmer 30Bxhigh	8.1	Meta	$0.510 ↓	95.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.9 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 110,930 Tokens de salida 116,373 Tokens de razonamiento 330,471 Tiempo de respuesta (promedio) 95.55s Tiempo de respuesta (total) 2102.12s Tiempo de respuesta (máximo) 576.79s Respuesta incorrecta: 4 Sin respuesta: 3 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#194#194	Trinity Large Thinkinglow	6.0	Arcee AI	$0.625 ↓	96.61s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 47.0% Pruebas inestables 5 Tokens de entrada 122,854 Tokens de salida 119,810 Tokens de razonamiento 698,549 Tiempo de respuesta (promedio) 96.61s Tiempo de respuesta (total) 2125.51s Tiempo de respuesta (máximo) 540.96s Respuesta incorrecta: 7 Error de API: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 5.3 Combinado : 5.2 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 4.4 Resolución de acertijos : 6.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#134#134	Kimi K2.5medium	7.0	Moonshot AI	$0.479 ↓	98.19s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 8 Tokens de entrada 118,496 Tokens de salida 53,522 Tokens de razonamiento 167,420 Tiempo de respuesta (promedio) 98.19s Tiempo de respuesta (total) 1571.05s Tiempo de respuesta (máximo) 281.00s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 6.1 Combinado : 6.7 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#142#142	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 7.3 Tasa de aciertos por intento 63.6% Pruebas inestables 7 Tokens de entrada 76,036 Tokens de salida 7,267 Tokens de razonamiento 364,176 Tiempo de respuesta (promedio) 101.05s Tiempo de respuesta (total) 2223.19s Tiempo de respuesta (máximo) 626.58s Error de API: 6 Respuesta incorrecta: 4 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 6.9 Programación : 8.9 Combinado : 4.7 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 4.7 Cultura general : 3.0
#149#149	Gemma 4 26B A4Bmedium	6.8	Google	$0.092 ↓	104.93s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 1 Tokens de entrada 77,528 Tokens de salida 26,048 Tokens de razonamiento 227,598 Tiempo de respuesta (promedio) 104.93s Tiempo de respuesta (total) 2203.52s Tiempo de respuesta (máximo) 912.19s Sin respuesta: 2 Tiempo agotado: 2 Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 2.9 Combinado : 6.3 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 : 3.0
#165#165	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 7 Tokens de entrada 106,176 Tokens de salida 33,013 Tokens de razonamiento 239,560 Tiempo de respuesta (promedio) 106.06s Tiempo de respuesta (total) 2333.36s Tiempo de respuesta (máximo) 1085.11s Respuesta incorrecta: 5 Sin respuesta: 3 Llamada de herramienta no válida: 2 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 7.7 Combinado : 6.7 Análisis y extracción de datos : 3.5 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#304#304	Qwen3.5-9Bmedium	3.8	Qwen	$0.062 ↑	107.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 6.0 Tasa de aciertos por intento 25.8% Pruebas inestables 5 Tokens de entrada 17,195 Tokens de salida 46,735 Tokens de razonamiento 366,707 Tiempo de respuesta (promedio) 107.51s Tiempo de respuesta (total) 1720.15s Tiempo de respuesta (máximo) 569.97s Tiempo agotado: 11 Sin respuesta: 3 Respuesta incorrecta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 5.1 Programación : 2.9 Combinado : 3.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 2.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#183#183	Qwen3.5-35B-A3Bmedium	6.1	Qwen	$1.140 ↑	110.84s
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 130,450 Tokens de salida 54,857 Tokens de razonamiento 838,606 Tiempo de respuesta (promedio) 110.84s Tiempo de respuesta (total) 2438.58s Tiempo de respuesta (máximo) 950.25s Tiempo agotado: 4 Sin respuesta: 3 Respuesta incorrecta: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 3.8 Análisis y extracción de datos : 7.3 Específico del dominio : 3.5 Inteligencia general : 2.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#240#240	Laguna S 2.1high	5.4	Poolside	$0.114 ↓	111.60s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 5 Tokens de entrada 208,937 Tokens de salida 175,588 Tokens de razonamiento 409,276 Tiempo de respuesta (promedio) 111.60s Tiempo de respuesta (total) 2455.24s Tiempo de respuesta (máximo) 1190.11s Respuesta incorrecta: 11 Llamada de herramienta no válida: 2 Sin respuesta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 5.3 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.6 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#95#95	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 6 Tokens de entrada 111,644 Tokens de salida 16,113 Tokens de razonamiento 598,796 Tiempo de respuesta (promedio) 113.28s Tiempo de respuesta (total) 2492.26s Tiempo de respuesta (máximo) 1026.43s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 6.2 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#152#152	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 9.9 Tasa de aciertos por intento 54.6% Pruebas inestables 4 Tokens de entrada 90,870 Tokens de salida 5,676 Tokens de razonamiento 314,918 Tiempo de respuesta (promedio) 113.61s Tiempo de respuesta (total) 2499.46s Tiempo de respuesta (máximo) 560.39s Respuesta incorrecta: 7 Error de API: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#62#62	DeepSeek V4 Flash 0731high	8.0	DeepSeek	$0.084 ↓	114.94s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 5 Tokens de entrada 96,702 Tokens de salida 16,966 Tokens de razonamiento 496,341 Tiempo de respuesta (promedio) 114.94s Tiempo de respuesta (total) 2528.65s Tiempo de respuesta (máximo) 600.61s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 6.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#116#116	Kimi K2.6medium	7.2	Moonshot AI	$1.247 ↑	115.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 4 Tokens de entrada 68,913 Tokens de salida 64,654 Tokens de razonamiento 282,865 Tiempo de respuesta (promedio) 115.89s Tiempo de respuesta (total) 2433.66s Tiempo de respuesta (máximo) 876.20s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 7.0 Programación : 5.7 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#24#24	Muse Spark 1.3high	9.0	Meta	$1.252	117.06s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 9.5 Tasa de aciertos por intento 81.8% Pruebas inestables 3 Tokens de entrada 99,477 Tokens de salida 14,053 Tokens de razonamiento 251,124 Tiempo de respuesta (promedio) 117.06s Tiempo de respuesta (total) 2575.43s Tiempo de respuesta (máximo) 470.12s Respuesta incorrecta: 2 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 : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 9.6 Cultura general : 3.0
#56#56	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.4 Tasa de aciertos por intento 72.7% Pruebas inestables 2 Tokens de entrada 113,279 Tokens de salida 121,045 Tokens de razonamiento 374,496 Tiempo de respuesta (promedio) 118.97s Tiempo de respuesta (total) 2617.41s Tiempo de respuesta (máximo) 534.21s Respuesta incorrecta: 4 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.2 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#125#125	Solar Pro 4high	7.1	Upstage	$0.046	120.58s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 5 Tokens de entrada 79,740 Tokens de salida 23,357 Tokens de razonamiento 339,837 Tiempo de respuesta (promedio) 120.58s Tiempo de respuesta (total) 2652.77s Tiempo de respuesta (máximo) 491.07s Respuesta incorrecta: 5 No siguió las instrucciones: 3 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 5.7 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.5 Seguimiento de instrucciones : 7.9 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#105#105	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.4 Tasa de aciertos por intento 74.2% Pruebas inestables 4 Tokens de entrada 108,931 Tokens de salida 112,801 Tokens de razonamiento 343,227 Tiempo de respuesta (promedio) 120.59s Tiempo de respuesta (total) 2653.05s Tiempo de respuesta (máximo) 532.28s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#138#138	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 8.6 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 81,970 Tokens de salida 7,186 Tokens de razonamiento 403,389 Tiempo de respuesta (promedio) 124.18s Tiempo de respuesta (total) 2732.03s Tiempo de respuesta (máximo) 675.30s Error de API: 5 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 6.2 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 4.7 Cultura general : 3.0
#144#144	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.9 Tasa de aciertos por intento 62.1% Pruebas inestables 4 Tokens de entrada 87,902 Tokens de salida 30,743 Tokens de razonamiento 335,668 Tiempo de respuesta (promedio) 127.64s Tiempo de respuesta (total) 2808.09s Tiempo de respuesta (máximo) 519.91s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 8.2 Programación : 5.5 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#289#289	GLM 4.7 Flashmedium	4.3	Z.ai	$0.168	134.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 8.6 Tasa de aciertos por intento 31.8% Pruebas inestables 8 Tokens de entrada 79,104 Tokens de salida 42,254 Tokens de razonamiento 377,280 Tiempo de respuesta (promedio) 134.34s Tiempo de respuesta (total) 2015.13s Tiempo de respuesta (máximo) 1539.97s Respuesta incorrecta: 9 Sin respuesta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Tiempo agotado: 2 Trucos anti-IA : 4.7 Programación : 3.2 Combinado : 2.9 Análisis y extracción de datos : 6.3 Específico del dominio : 3.5 Inteligencia general : 3.6 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#87#87	Solar Pro 4xhigh	7.6	Upstage	$0.050	134.85s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 2 Tokens de entrada 98,116 Tokens de salida 21,720 Tokens de razonamiento 367,730 Tiempo de respuesta (promedio) 134.85s Tiempo de respuesta (total) 2966.79s Tiempo de respuesta (máximo) 491.42s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 2 Formato extra: 1 Trucos anti-IA : 8.3 Programación : 5.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 8.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#143#143	Solar Pro 4low	6.8	Upstage	$0.044	136.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 6 Tokens de entrada 90,556 Tokens de salida 6,153 Tokens de razonamiento 332,220 Tiempo de respuesta (promedio) 136.11s Tiempo de respuesta (total) 2994.49s Tiempo de respuesta (máximo) 640.89s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 8.2 Programación : 5.5 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 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