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: 2026-10-17 Modelos evaluados: 442

Modelos recomendados

GPT-6.1 Sol xhigh Inteligente Tasa de aciertos por intento 97.1% Pruebas correctas 22 / 23 Puntuación 9.9/10 Gemini 3.7 Flash low Rápido Tiempo de respuesta (promedio) 6.24s Total de tokens de salida 38,453 Puntuación 9.4/10 GPT-6 Luna high Económico Precio de entrada $0.100 / 1M Precio de salida $0.500 / 1M Precio de lectura de caché $0.010 / 1M Precio de escritura de caché $0.125 / 1M Puntuación 7.7/10

442/442

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#120#120	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 75.4% Pruebas inestables 4 Tokens de entrada 295,642 Tokens de salida 115,041 Tokens de razonamiento 353,398 Tiempo de respuesta (promedio) 120.88s Tiempo de respuesta (total) 2780.16s Tiempo de respuesta (máximo) 532.28s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 10.0 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
#123#123	Ling 3.1 Flashhigh	7.9	Inclusionai	$0.000	87.39s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.8 Tasa de aciertos por intento 69.6% Pruebas inestables 2 Tokens de entrada 324,691 Tokens de salida 181,251 Tokens de razonamiento 506,441 Tiempo de respuesta (promedio) 87.39s Tiempo de respuesta (total) 2010.08s Tiempo de respuesta (máximo) 665.85s Sin respuesta: 4 Respuesta incorrecta: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 2.8 Cultura general : 3.0
#131#131	Muse Wonderhigh	7.7	Meta	$3.426	22.96s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.3 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 94,153 Tokens de salida 9,606 Tokens de razonamiento 142,834 Tiempo de respuesta (promedio) 22.96s Tiempo de respuesta (total) 528.08s Tiempo de respuesta (máximo) 143.21s Error de API: 6 Respuesta incorrecta: 2 Tareas de agentes : 3.0 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 : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 9.8 Cultura general : 2.8
#132#132	GPT-6 Lunahigh	7.7	OpenAI	$0.074	20.37s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 73.9% Pruebas inestables 4 Tokens de entrada 229,986 Tokens de salida 6,037 Tokens de razonamiento 95,550 Tiempo de respuesta (promedio) 20.37s Tiempo de respuesta (total) 468.52s Tiempo de respuesta (máximo) 106.93s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.2 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#140#140	Qwen3.8 Flash Nextmedium	7.6	Qwen	~$0.047	24.79s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 6 Tokens de entrada 278,792 Tokens de salida 1,695 Tokens de razonamiento 142,270 Tiempo de respuesta (promedio) 24.79s Tiempo de respuesta (total) 570.26s Tiempo de respuesta (máximo) 159.62s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#142#142	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 1 Tokens de entrada 315,290 Tokens de salida 1,607 Tokens de razonamiento 207,536 Tiempo de respuesta (promedio) 46.60s Tiempo de respuesta (total) 1071.83s Tiempo de respuesta (máximo) 376.04s Respuesta incorrecta: 5 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 7.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#156#156	Inklingmedium	7.4	Thinkingmachines	$0.527 ↓	16.98s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 5 Tokens de entrada 257,138 Tokens de salida 13,830 Tokens de razonamiento 55,775 Tiempo de respuesta (promedio) 16.98s Tiempo de respuesta (total) 390.45s Tiempo de respuesta (máximo) 85.12s Respuesta incorrecta: 5 Llamada de herramienta no válida: 2 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 8.7 Programación : 8.4 Combinado : 7.3 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 : 3.0 Cultura general : 2.8
#159#159	Claude Fable 5.1medium	7.3	Anthropic	$3.197	11.87s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 78.3% Pruebas inestables 6 Tokens de entrada 157,142 Tokens de salida 8,149 Tokens de razonamiento 24,357 Tiempo de respuesta (promedio) 11.87s Tiempo de respuesta (total) 272.91s Tiempo de respuesta (máximo) 36.59s Respuesta incorrecta: 3 Sin respuesta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 3.0 Trucos anti-IA : 8.2 Programación : 7.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 2.8
#160#160	Grok 4.7medium	7.3	X AI	$2.938	117.65s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.8 Tasa de aciertos por intento 78.3% Pruebas inestables 5 Tokens de entrada 326,066 Tokens de salida 5,726 Tokens de razonamiento 469,019 Tiempo de respuesta (promedio) 117.65s Tiempo de respuesta (total) 2706.03s Tiempo de respuesta (máximo) 660.89s Respuesta incorrecta: 5 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 3.9 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#161#161	Gemini 2.5 Flashmedium	7.3	Google	$0.680 ↑	20.51s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 1 Tokens de entrada 132,507 Tokens de salida 12,739 Tokens de razonamiento 228,626 Tiempo de respuesta (promedio) 20.51s Tiempo de respuesta (total) 471.64s Tiempo de respuesta (máximo) 140.50s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Tareas de agentes : 3.0 Trucos anti-IA : 8.4 Programación : 7.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#163#163	Qwen3.6 Plusmedium	7.3	Qwen	$0.554 ↑	57.41s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.6% Pruebas inestables 3 Tokens de entrada 222,601 Tokens de salida 8,185 Tokens de razonamiento 238,605 Tiempo de respuesta (promedio) 57.41s Tiempo de respuesta (total) 1263.02s Tiempo de respuesta (máximo) 307.08s Respuesta incorrecta: 6 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 4.7 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#187#187	Grok 4.6low	6.9	X AI	$0.781	16.44s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 263,427 Tokens de salida 6,006 Tokens de razonamiento 36,309 Tiempo de respuesta (promedio) 16.44s Tiempo de respuesta (total) 378.14s Tiempo de respuesta (máximo) 57.97s Respuesta incorrecta: 8 Tareas de agentes : 5.0 Trucos anti-IA : 10.0 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#199#199	Mercury 2.5 Previewmedium	6.8	Inception	$0.039 ↑	6.66s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 397,291 Tokens de salida 6,355 Tokens de razonamiento 143,752 Tiempo de respuesta (promedio) 6.66s Tiempo de respuesta (total) 153.29s Tiempo de respuesta (máximo) 74.63s Respuesta incorrecta: 4 Error de API: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 3.9 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#261#261	GLM 5 Turbomedium	6.2	Z.ai	$0.323 ↑	23.00s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 4 Tokens de entrada 35,593 Tokens de salida 12,245 Tokens de razonamiento 62,277 Tiempo de respuesta (promedio) 23.00s Tiempo de respuesta (total) 482.97s Tiempo de respuesta (máximo) 194.23s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 0.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#321#321	Hy3 previewmedium	5.3	Tencent	$0.049 ↕	16.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 60.9% Pruebas inestables 0 Tokens de entrada 27,030 Tokens de salida 73,544 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 16.28s Tiempo de respuesta (total) 293.12s Tiempo de respuesta (máximo) 46.04s Error de API: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Tareas de agentes : 0.0 Trucos anti-IA : 10.0 Programación : 5.3 Combinado : 5.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#350#350	Gemini 3 PRO Previewmedium	4.9	Google	$0.385 ↑	9.05s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad N/D Tasa de aciertos por intento 60.9% Pruebas inestables 0 Tokens de entrada 28,848 Tokens de salida 1,490 Tokens de razonamiento 10,102 Tiempo de respuesta (promedio) 9.05s Tiempo de respuesta (total) 90.53s Tiempo de respuesta (máximo) 26.24s Error de API: 4 Respuesta incorrecta: 3 Tareas de agentes : 0.0 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 1.5 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
#172#172	GLM 5medium	7.2	Z.ai	$0.479 ↑	39.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 5 Tokens de entrada 212,440 Tokens de salida 22,922 Tokens de razonamiento 115,335 Tiempo de respuesta (promedio) 39.05s Tiempo de respuesta (total) 546.68s Tiempo de respuesta (máximo) 110.70s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 4.7 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 5.0 Análisis y extracción de datos : 7.1 Específico del dominio : 3.5 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#44#44	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 9.6 Tasa de aciertos por intento 81.2% Pruebas inestables 5 Tokens de entrada 271,242 Tokens de salida 11,803 Tokens de razonamiento 397,838 Tiempo de respuesta (promedio) 92.38s Tiempo de respuesta (total) 2124.67s Tiempo de respuesta (máximo) 482.30s Error de API: 2 Respuesta incorrecta: 2 Formato extra: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#53#53	Muse Spark Openlow	8.9	Meta	$0.600	21.62s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 9.9 Tasa de aciertos por intento 76.8% Pruebas inestables 3 Tokens de entrada 278,684 Tokens de salida 10,151 Tokens de razonamiento 48,907 Tiempo de respuesta (promedio) 21.62s Tiempo de respuesta (total) 497.25s Tiempo de respuesta (máximo) 119.16s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 9.2 Programación : 10.0 Combinado : 8.4 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 8.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#56#56	Muse Spark 1.1medium	8.9	Meta	$1.665	27.02s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 73.9% Pruebas inestables 2 Tokens de entrada 305,707 Tokens de salida 10,240 Tokens de razonamiento 291,479 Tiempo de respuesta (promedio) 27.02s Tiempo de respuesta (total) 621.38s Tiempo de respuesta (máximo) 165.38s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#60#60	GPT-5.4medium	8.8	OpenAI	$2.213 ↑	24.81s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 78.3% Pruebas inestables 4 Tokens de entrada 223,210 Tokens de salida 7,312 Tokens de razonamiento 89,190 Tiempo de respuesta (promedio) 24.81s Tiempo de respuesta (total) 570.60s Tiempo de respuesta (máximo) 100.41s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 8.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#62#62	DeepSeek V4.1 Flashhigh	8.7	DeepSeek	$0.617 ↑	33.27s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 9.7 Tasa de aciertos por intento 75.4% Pruebas inestables 3 Tokens de entrada 282,490 Tokens de salida 8,621 Tokens de razonamiento 455,535 Tiempo de respuesta (promedio) 33.27s Tiempo de respuesta (total) 765.12s Tiempo de respuesta (máximo) 205.53s Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#63#63	DeepSeek V4.1 Flashmedium	8.7	DeepSeek	$0.591 ↑	32.88s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 9.6 Tasa de aciertos por intento 73.9% Pruebas inestables 2 Tokens de entrada 280,643 Tokens de salida 7,342 Tokens de razonamiento 437,323 Tiempo de respuesta (promedio) 32.88s Tiempo de respuesta (total) 756.34s Tiempo de respuesta (máximo) 276.31s Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#64#64	Muse Spark 1.2low	8.7	Meta	$0.881	11.81s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 78.3% Pruebas inestables 3 Tokens de entrada 254,914 Tokens de salida 10,303 Tokens de razonamiento 121,928 Tiempo de respuesta (promedio) 11.81s Tiempo de respuesta (total) 271.60s Tiempo de respuesta (máximo) 56.77s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Tareas de agentes : 10.0 Trucos anti-IA : 9.2 Programación : 8.4 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#68#68	Seed 2.1 Turbomedium	8.7	Bytedance Seed	$2.042	189.13s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 79.7% Pruebas inestables 5 Tokens de entrada 234,572 Tokens de salida 8,019 Tokens de razonamiento 761,563 Tiempo de respuesta (promedio) 189.13s Tiempo de respuesta (total) 4349.92s Tiempo de respuesta (máximo) 885.33s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.2 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 9.9 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 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow