Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 6Tiempo de respuesta (promedio)68.44sTiempo de respuesta (máximo)436.38sTiempo de respuesta (total)1574.14s…
Tareas de agentes
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)65.24sTiempo de respuesta (máximo)65.24sTiempo de respuesta (total)65.24s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)23.50sTiempo de respuesta (máximo)47.78sTiempo de respuesta (total)93.99s
Programación
: 7.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)155.69sTiempo de respuesta (máximo)305.49sTiempo de respuesta (total)467.06s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)29.01sTiempo de respuesta (máximo)42.36sTiempo de respuesta (total)58.01s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.29sTiempo de respuesta (máximo)6.68sTiempo de respuesta (total)12.58s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)249.34sTiempo de respuesta (máximo)436.38sTiempo de respuesta (total)748.02s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)12.84sTiempo de respuesta (máximo)12.84sTiempo de respuesta (total)12.84s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.06sTiempo de respuesta (máximo)7.94sTiempo de respuesta (total)12.12s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.75sTiempo de respuesta (máximo)12.42sTiempo de respuesta (total)23.26s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.57sTiempo de respuesta (máximo)6.57sTiempo de respuesta (total)6.57s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)74.44sTiempo de respuesta (máximo)74.44sTiempo de respuesta (total)74.44s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)43.53sTiempo de respuesta (máximo)43.53sTiempo de respuesta (total)43.53s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.10sTiempo de respuesta (máximo)3.35sTiempo de respuesta (total)8.39s
Programación
: 4.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 2No siguió las instrucciones: 1Tiempo de respuesta (promedio)196.67sTiempo de respuesta (máximo)241.99sTiempo de respuesta (total)590.01s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)37.28sTiempo de respuesta (máximo)71.21sTiempo de respuesta (total)74.56s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.20sTiempo de respuesta (máximo)2.32sTiempo de respuesta (total)4.40s
Específico del dominio
: 3.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Sin respuesta: 1Tiempo de respuesta (promedio)186.02sTiempo de respuesta (máximo)440.77sTiempo de respuesta (total)558.07s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.02sTiempo de respuesta (máximo)2.02sTiempo de respuesta (total)2.02s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.12sTiempo de respuesta (máximo)1.14sTiempo de respuesta (total)2.25s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.28sTiempo de respuesta (máximo)2.28sTiempo de respuesta (total)2.28s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)44.26sTiempo de respuesta (máximo)44.26sTiempo de respuesta (total)44.26s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)87.42sTiempo de respuesta (máximo)87.42sTiempo de respuesta (total)87.42s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.44sTiempo de respuesta (máximo)7.00sTiempo de respuesta (total)17.76s
Programación
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Tiempo de respuesta (promedio)83.41sTiempo de respuesta (máximo)149.10sTiempo de respuesta (total)250.23s
Combinado
: 6.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)351.19sTiempo de respuesta (máximo)665.85sTiempo de respuesta (total)702.38s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)17.38sTiempo de respuesta (máximo)25.54sTiempo de respuesta (total)34.77s
Específico del dominio
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 3Tiempo de respuesta (promedio)222.88sTiempo de respuesta (máximo)293.88sTiempo de respuesta (total)668.65s
Inteligencia general
: 3.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.82sTiempo de respuesta (máximo)7.82sTiempo de respuesta (total)7.82s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.31sTiempo de respuesta (máximo)5.40sTiempo de respuesta (total)8.61s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)37.46sTiempo de respuesta (máximo)103.89sTiempo de respuesta (total)112.37s
Llamada de herramientas
: 2.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)38.25sTiempo de respuesta (máximo)38.25sTiempo de respuesta (total)38.25s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)81.83sTiempo de respuesta (máximo)81.83sTiempo de respuesta (total)81.83s
Tareas de agentes
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)381msTiempo de respuesta (máximo)381msTiempo de respuesta (total)381ms
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.00sTiempo de respuesta (máximo)11.34sTiempo de respuesta (total)27.99s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)58.38sTiempo de respuesta (máximo)68.45sTiempo de respuesta (total)175.15s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)62.60sTiempo de respuesta (máximo)78.52sTiempo de respuesta (total)125.21s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.40sTiempo de respuesta (máximo)9.53sTiempo de respuesta (total)14.80s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 2Respuesta incorrecta: 1Tiempo de respuesta (promedio)189.55sTiempo de respuesta (máximo)287.79sTiempo de respuesta (total)568.65s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.06sTiempo de respuesta (máximo)6.06sTiempo de respuesta (total)6.06s
Seguimiento de instrucciones
: 7.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)13.24sTiempo de respuesta (máximo)23.29sTiempo de respuesta (total)26.47s
Resolución de acertijos
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)8.97sTiempo de respuesta (máximo)14.45sTiempo de respuesta (total)26.92s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)8.08sTiempo de respuesta (máximo)8.08sTiempo de respuesta (total)8.08s
Cultura general
: 2.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)41.30sTiempo de respuesta (máximo)41.30sTiempo de respuesta (total)41.30s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)90.14sTiempo de respuesta (máximo)90.14sTiempo de respuesta (total)90.14s
Programación
: 7.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)18.23sTiempo de respuesta (máximo)35.23sTiempo de respuesta (total)54.68s
Combinado
: 7.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)20.70sTiempo de respuesta (máximo)33.19sTiempo de respuesta (total)41.40s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.75sTiempo de respuesta (máximo)2.25sTiempo de respuesta (total)3.51s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)235.06sTiempo de respuesta (máximo)316.42sTiempo de respuesta (total)705.19s
Inteligencia general
: 4.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.34sTiempo de respuesta (máximo)2.34sTiempo de respuesta (total)2.34s
Seguimiento de instrucciones
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.13sTiempo de respuesta (máximo)1.15sTiempo de respuesta (total)2.25s
Resolución de acertijos
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)52.85sTiempo de respuesta (máximo)155.38sTiempo de respuesta (total)158.56s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.63sTiempo de respuesta (máximo)2.63sTiempo de respuesta (total)2.63s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)357.28sTiempo de respuesta (máximo)357.28sTiempo de respuesta (total)357.28s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)127.11sTiempo de respuesta (máximo)127.11sTiempo de respuesta (total)127.11s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)24.22sTiempo de respuesta (máximo)63.59sTiempo de respuesta (total)96.87s
Programación
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Sin respuesta: 1Tiempo de respuesta (promedio)160.52sTiempo de respuesta (máximo)311.89sTiempo de respuesta (total)481.57s
Combinado
: 6.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)266.12sTiempo de respuesta (máximo)328.22sTiempo de respuesta (total)532.25s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)13.67sTiempo de respuesta (máximo)19.13sTiempo de respuesta (total)27.34s
Específico del dominio
: 4.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)301.08sTiempo de respuesta (máximo)532.28sTiempo de respuesta (total)903.25s
Inteligencia general
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)11.38sTiempo de respuesta (máximo)11.38sTiempo de respuesta (total)11.38s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)11.45sTiempo de respuesta (máximo)15.77sTiempo de respuesta (total)22.90s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)65.54sTiempo de respuesta (máximo)156.63sTiempo de respuesta (total)196.61s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)32.93sTiempo de respuesta (máximo)32.93sTiempo de respuesta (total)32.93s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)347.95sTiempo de respuesta (máximo)347.95sTiempo de respuesta (total)347.95s
Tareas de agentes
: 2.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)84.47sTiempo de respuesta (máximo)84.47sTiempo de respuesta (total)84.47s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.09sTiempo de respuesta (máximo)2.56sTiempo de respuesta (total)8.35s
Programación
: 7.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)12.63sTiempo de respuesta (máximo)18.07sTiempo de respuesta (total)37.89s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)44.36sTiempo de respuesta (máximo)76.68sTiempo de respuesta (total)88.72s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.07sTiempo de respuesta (máximo)5.60sTiempo de respuesta (total)8.14s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)7.28sTiempo de respuesta (máximo)10.39sTiempo de respuesta (total)21.83s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.52sTiempo de respuesta (máximo)2.52sTiempo de respuesta (total)2.52s
Seguimiento de instrucciones
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.70sTiempo de respuesta (máximo)3.07sTiempo de respuesta (total)5.40s
Resolución de acertijos
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.38sTiempo de respuesta (máximo)2.55sTiempo de respuesta (total)7.15s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.81sTiempo de respuesta (máximo)3.81sTiempo de respuesta (total)3.81s
Cultura general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.75sTiempo de respuesta (máximo)2.75sTiempo de respuesta (total)2.75s
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)93.32sTiempo de respuesta (máximo)93.32sTiempo de respuesta (total)93.32s
Trucos anti-IA
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.62sTiempo de respuesta (máximo)1.89sTiempo de respuesta (total)6.47s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)47.87sTiempo de respuesta (máximo)96.61sTiempo de respuesta (total)143.61s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)55.52sTiempo de respuesta (máximo)93.55sTiempo de respuesta (total)111.04s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.09sTiempo de respuesta (máximo)4.19sTiempo de respuesta (total)8.17s
Específico del dominio
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Sin respuesta: 1Tiempo de respuesta (promedio)350.03sTiempo de respuesta (máximo)516.19sTiempo de respuesta (total)1050.08s
Inteligencia general
: 4.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)3.28sTiempo de respuesta (máximo)3.28sTiempo de respuesta (total)3.28s
Seguimiento de instrucciones
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.94sTiempo de respuesta (máximo)4.14sTiempo de respuesta (total)5.87s
Resolución de acertijos
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)4.83sTiempo de respuesta (máximo)8.55sTiempo de respuesta (total)14.49s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.17sTiempo de respuesta (máximo)6.17sTiempo de respuesta (total)6.17s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)59.00sTiempo de respuesta (máximo)59.00sTiempo de respuesta (total)59.00s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)48.22sTiempo de respuesta (máximo)48.22sTiempo de respuesta (total)48.22s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.05sTiempo de respuesta (máximo)3.34sTiempo de respuesta (total)8.20s
Programación
: 6.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Sin respuesta: 1Tiempo de respuesta (promedio)79.29sTiempo de respuesta (máximo)107.10sTiempo de respuesta (total)237.87s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)90.30sTiempo de respuesta (máximo)175.03sTiempo de respuesta (total)180.61s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.83sTiempo de respuesta (máximo)2.43sTiempo de respuesta (total)3.65s
Específico del dominio
: 3.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Sin respuesta: 1Tiempo de respuesta (promedio)174.85sTiempo de respuesta (máximo)271.00sTiempo de respuesta (total)524.54s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.63sTiempo de respuesta (máximo)4.63sTiempo de respuesta (total)4.63s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.29sTiempo de respuesta (máximo)2.31sTiempo de respuesta (total)4.59s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.70sTiempo de respuesta (máximo)3.70sTiempo de respuesta (total)3.70s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)34.82sTiempo de respuesta (máximo)34.82sTiempo de respuesta (total)34.82s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 7Tiempo de respuesta (promedio)7.85sTiempo de respuesta (máximo)80.34sTiempo de respuesta (total)180.65s…
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)80.34sTiempo de respuesta (máximo)80.34sTiempo de respuesta (total)80.34s
Trucos anti-IA
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)1.08sTiempo de respuesta (máximo)1.39sTiempo de respuesta (total)4.30s
Programación
: 5.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)1.35sTiempo de respuesta (máximo)1.63sTiempo de respuesta (total)4.04s
Combinado
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)37.23sTiempo de respuesta (máximo)72.30sTiempo de respuesta (total)74.47s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.35sTiempo de respuesta (máximo)1.43sTiempo de respuesta (total)2.69s
Específico del dominio
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.24sTiempo de respuesta (máximo)1.87sTiempo de respuesta (total)3.71s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.04sTiempo de respuesta (máximo)1.04sTiempo de respuesta (total)1.04s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)943msTiempo de respuesta (máximo)974msTiempo de respuesta (total)1.89s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.13sTiempo de respuesta (máximo)1.29sTiempo de respuesta (total)3.40s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.92sTiempo de respuesta (máximo)3.92sTiempo de respuesta (total)3.92s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)856msTiempo de respuesta (máximo)856msTiempo de respuesta (total)856ms
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)100.66sTiempo de respuesta (máximo)100.66sTiempo de respuesta (total)100.66s
Trucos anti-IA
: 8.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.05sTiempo de respuesta (máximo)6.69sTiempo de respuesta (total)16.20s
Programación
: 8.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)57.87sTiempo de respuesta (máximo)138.75sTiempo de respuesta (total)173.61s
Combinado
: 6.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)59.64sTiempo de respuesta (máximo)101.47sTiempo de respuesta (total)119.27s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.43sTiempo de respuesta (máximo)3.39sTiempo de respuesta (total)4.87s
Específico del dominio
: 3.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)71.05sTiempo de respuesta (máximo)102.91sTiempo de respuesta (total)213.16s
Inteligencia general
: 4.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)3.72sTiempo de respuesta (máximo)3.72sTiempo de respuesta (total)3.72s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.13sTiempo de respuesta (máximo)2.45sTiempo de respuesta (total)4.25s
Resolución de acertijos
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)4.37sTiempo de respuesta (máximo)7.27sTiempo de respuesta (total)13.11s
Llamada de herramientas
: 4.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)9.62sTiempo de respuesta (máximo)9.62sTiempo de respuesta (total)9.62s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)30.10sTiempo de respuesta (máximo)30.10sTiempo de respuesta (total)30.10s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Error de API: 1Tiempo de respuesta (promedio)13.30sTiempo de respuesta (máximo)40.17sTiempo de respuesta (total)305.83s…
Tareas de agentes
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)6.93sTiempo de respuesta (máximo)6.93sTiempo de respuesta (total)6.93s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.90sTiempo de respuesta (máximo)6.70sTiempo de respuesta (total)23.59s
Programación
: 8.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)13.91sTiempo de respuesta (máximo)19.46sTiempo de respuesta (total)41.74s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)34.59sTiempo de respuesta (máximo)40.17sTiempo de respuesta (total)69.18s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.30sTiempo de respuesta (máximo)7.96sTiempo de respuesta (total)12.59s
Específico del dominio
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)24.34sTiempo de respuesta (máximo)29.92sTiempo de respuesta (total)73.01s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.40sTiempo de respuesta (máximo)5.40sTiempo de respuesta (total)5.40s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.60sTiempo de respuesta (máximo)5.76sTiempo de respuesta (total)11.20s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.11sTiempo de respuesta (máximo)6.93sTiempo de respuesta (total)18.32s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)13.30sTiempo de respuesta (máximo)13.30sTiempo de respuesta (total)13.30s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)30.58sTiempo de respuesta (máximo)30.58sTiempo de respuesta (total)30.58s
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)104.77sTiempo de respuesta (máximo)104.77sTiempo de respuesta (total)104.77s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.65sTiempo de respuesta (máximo)4.90sTiempo de respuesta (total)10.60s
Programación
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)24.61sTiempo de respuesta (máximo)30.05sTiempo de respuesta (total)73.83s
Combinado
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)45.23sTiempo de respuesta (máximo)71.40sTiempo de respuesta (total)90.46s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.38sTiempo de respuesta (máximo)3.44sTiempo de respuesta (total)6.75s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.01sTiempo de respuesta (máximo)5.01sTiempo de respuesta (total)5.01s
Seguimiento de instrucciones
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.23sTiempo de respuesta (máximo)2.24sTiempo de respuesta (total)4.45s
Resolución de acertijos
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)3.88sTiempo de respuesta (máximo)6.30sTiempo de respuesta (total)11.63s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)9.39sTiempo de respuesta (máximo)9.39sTiempo de respuesta (total)9.39s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)22.41sTiempo de respuesta (máximo)22.41sTiempo de respuesta (total)22.41s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)146.48sTiempo de respuesta (máximo)146.48sTiempo de respuesta (total)146.48s
Trucos anti-IA
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Tiempo de respuesta (promedio)19.75sTiempo de respuesta (máximo)49.95sTiempo de respuesta (total)79.01s
Programación
: 6.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)160.69sTiempo de respuesta (máximo)234.36sTiempo de respuesta (total)482.07s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)595.19sTiempo de respuesta (máximo)1026.43sTiempo de respuesta (total)1190.39s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)30.26sTiempo de respuesta (máximo)32.03sTiempo de respuesta (total)60.52s
Específico del dominio
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Tiempo agotado: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)89.39sTiempo de respuesta (máximo)95.52sTiempo de respuesta (total)268.18s
Inteligencia general
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)101.41sTiempo de respuesta (máximo)101.41sTiempo de respuesta (total)101.41s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)19.66sTiempo de respuesta (máximo)32.25sTiempo de respuesta (total)39.32s
Resolución de acertijos
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)59.60sTiempo de respuesta (máximo)123.57sTiempo de respuesta (total)178.80s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.45sTiempo de respuesta (máximo)7.45sTiempo de respuesta (total)7.45s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)85.11sTiempo de respuesta (máximo)85.11sTiempo de respuesta (total)85.11s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 8Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)7.58sTiempo de respuesta (máximo)54.57sTiempo de respuesta (total)174.39s…
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)54.57sTiempo de respuesta (máximo)54.57sTiempo de respuesta (total)54.57s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.36sTiempo de respuesta (máximo)3.09sTiempo de respuesta (total)9.46s
Programación
: 6.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)9.56sTiempo de respuesta (máximo)19.85sTiempo de respuesta (total)28.67s
Combinado
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)9.68sTiempo de respuesta (máximo)14.29sTiempo de respuesta (total)19.36s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)919msTiempo de respuesta (máximo)931msTiempo de respuesta (total)1.84s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)9.34sTiempo de respuesta (máximo)11.03sTiempo de respuesta (total)28.02s
Inteligencia general
: 4.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.52sTiempo de respuesta (máximo)3.52sTiempo de respuesta (total)3.52s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.48sTiempo de respuesta (máximo)1.80sTiempo de respuesta (total)2.96s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.46sTiempo de respuesta (máximo)8.85sTiempo de respuesta (total)13.37s
Llamada de herramientas
: 4.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.69sTiempo de respuesta (máximo)6.69sTiempo de respuesta (total)6.69s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)5.95sTiempo de respuesta (máximo)5.95sTiempo de respuesta (total)5.95s
~$0.045Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.4535 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.044834.
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)137.50sTiempo de respuesta (máximo)137.50sTiempo de respuesta (total)137.50s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.03sTiempo de respuesta (máximo)2.72sTiempo de respuesta (total)8.13s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)29.46sTiempo de respuesta (máximo)49.90sTiempo de respuesta (total)88.39s
Combinado
: 6.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)98.91sTiempo de respuesta (máximo)166.72sTiempo de respuesta (total)197.82s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.20sTiempo de respuesta (máximo)6.23sTiempo de respuesta (total)12.40s
Específico del dominio
: 4.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)23.34sTiempo de respuesta (máximo)42.75sTiempo de respuesta (total)70.03s
Inteligencia general
: 4.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)5.00sTiempo de respuesta (máximo)5.00sTiempo de respuesta (total)5.00s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.32sTiempo de respuesta (máximo)3.23sTiempo de respuesta (total)4.64s
Resolución de acertijos
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)1.72sTiempo de respuesta (máximo)2.26sTiempo de respuesta (total)5.15s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.85sTiempo de respuesta (máximo)5.85sTiempo de respuesta (total)5.85s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)9.26sTiempo de respuesta (máximo)9.26sTiempo de respuesta (total)9.26s
Tareas de agentes
: 2.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Tiempo agotado: 1Tiempo de respuesta (promedio)63.72sTiempo de respuesta (máximo)63.72sTiempo de respuesta (total)63.72s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.66sTiempo de respuesta (máximo)3.54sTiempo de respuesta (total)10.63s
Programación
: 8.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)11.69sTiempo de respuesta (máximo)17.73sTiempo de respuesta (total)35.06s
Combinado
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)60.28sTiempo de respuesta (máximo)108.60sTiempo de respuesta (total)120.55s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.74sTiempo de respuesta (máximo)6.78sTiempo de respuesta (total)11.49s
Específico del dominio
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)31.77sTiempo de respuesta (máximo)47.10sTiempo de respuesta (total)95.31s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.65sTiempo de respuesta (máximo)3.65sTiempo de respuesta (total)3.65s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.81sTiempo de respuesta (máximo)5.24sTiempo de respuesta (total)9.62s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.73sTiempo de respuesta (máximo)3.39sTiempo de respuesta (total)8.19s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)18.47sTiempo de respuesta (máximo)18.47sTiempo de respuesta (total)18.47s
Cultura general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.94sTiempo de respuesta (máximo)5.94sTiempo de respuesta (total)5.94s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 8No siguió las instrucciones: 2Tiempo de respuesta (promedio)15.95sTiempo de respuesta (máximo)94.06sTiempo de respuesta (total)366.93s…
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)73.96sTiempo de respuesta (máximo)73.96sTiempo de respuesta (total)73.96s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.52sTiempo de respuesta (máximo)7.74sTiempo de respuesta (total)18.10s
Programación
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)19.12sTiempo de respuesta (máximo)28.80sTiempo de respuesta (total)57.37s
Combinado
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)32.24sTiempo de respuesta (máximo)40.36sTiempo de respuesta (total)64.49s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.54sTiempo de respuesta (máximo)3.33sTiempo de respuesta (total)5.08s
Específico del dominio
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)38.72sTiempo de respuesta (máximo)94.06sTiempo de respuesta (total)116.16s
Inteligencia general
: 4.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)4.15sTiempo de respuesta (máximo)4.15sTiempo de respuesta (total)4.15s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.88sTiempo de respuesta (máximo)2.61sTiempo de respuesta (total)3.75s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.71sTiempo de respuesta (máximo)7.71sTiempo de respuesta (total)7.71s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.81sTiempo de respuesta (máximo)4.81sTiempo de respuesta (total)4.81s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)188.06sTiempo de respuesta (máximo)188.06sTiempo de respuesta (total)188.06s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)8.62sTiempo de respuesta (máximo)16.86sTiempo de respuesta (total)34.49s
Programación
: 8.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)26.53sTiempo de respuesta (máximo)31.91sTiempo de respuesta (total)79.58s
Combinado
: 6.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)218.25sTiempo de respuesta (máximo)392.56sTiempo de respuesta (total)436.49s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.68sTiempo de respuesta (máximo)7.94sTiempo de respuesta (total)11.36s
Específico del dominio
: 3.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)35.22sTiempo de respuesta (máximo)49.56sTiempo de respuesta (total)105.65s
Inteligencia general
: 3.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)2.52sTiempo de respuesta (máximo)2.52sTiempo de respuesta (total)2.52s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.35sTiempo de respuesta (máximo)9.38sTiempo de respuesta (total)12.69s
Resolución de acertijos
: 5.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)3.54sTiempo de respuesta (máximo)6.03sTiempo de respuesta (total)10.62s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.72sTiempo de respuesta (máximo)7.72sTiempo de respuesta (total)7.72s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)38.47sTiempo de respuesta (máximo)38.47sTiempo de respuesta (total)38.47s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 8Tiempo de respuesta (promedio)18.39sTiempo de respuesta (máximo)111.09sTiempo de respuesta (total)422.93s…
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)60.15sTiempo de respuesta (máximo)60.15sTiempo de respuesta (total)60.15s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.99sTiempo de respuesta (máximo)4.94sTiempo de respuesta (total)11.95s
Programación
: 5.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)15.63sTiempo de respuesta (máximo)32.41sTiempo de respuesta (total)46.88s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)19.05sTiempo de respuesta (máximo)24.81sTiempo de respuesta (total)38.10s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.18sTiempo de respuesta (máximo)2.64sTiempo de respuesta (total)4.36s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)62.87sTiempo de respuesta (máximo)111.09sTiempo de respuesta (total)188.61s
Inteligencia general
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.65sTiempo de respuesta (máximo)3.65sTiempo de respuesta (total)3.65s
Seguimiento de instrucciones
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.79sTiempo de respuesta (máximo)1.96sTiempo de respuesta (total)3.58s
Resolución de acertijos
: 7.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)14.55sTiempo de respuesta (máximo)38.14sTiempo de respuesta (total)43.66s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.98sTiempo de respuesta (máximo)4.98sTiempo de respuesta (total)4.98s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)17.00sTiempo de respuesta (máximo)17.00sTiempo de respuesta (total)17.00s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 7Error de API: 1Tiempo de respuesta (promedio)28.04sTiempo de respuesta (máximo)149.84sTiempo de respuesta (total)645.03s…
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)56.02sTiempo de respuesta (máximo)56.02sTiempo de respuesta (total)56.02s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.32sTiempo de respuesta (máximo)5.98sTiempo de respuesta (total)13.28s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)40.66sTiempo de respuesta (máximo)56.87sTiempo de respuesta (total)121.97s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)24.73sTiempo de respuesta (máximo)34.30sTiempo de respuesta (total)49.47s
Análisis y extracción de datos
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)3.80sTiempo de respuesta (máximo)7.39sTiempo de respuesta (total)7.61s
Específico del dominio
: 3.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)95.58sTiempo de respuesta (máximo)149.84sTiempo de respuesta (total)286.75s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.34sTiempo de respuesta (máximo)4.34sTiempo de respuesta (total)4.34s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)8.38sTiempo de respuesta (máximo)14.30sTiempo de respuesta (total)16.75s
Resolución de acertijos
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)9.39sTiempo de respuesta (máximo)20.40sTiempo de respuesta (total)28.16s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)13.83sTiempo de respuesta (máximo)13.83sTiempo de respuesta (total)13.83s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)46.86sTiempo de respuesta (máximo)46.86sTiempo de respuesta (total)46.86s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)148.13sTiempo de respuesta (máximo)148.13sTiempo de respuesta (total)148.13s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)28.51sTiempo de respuesta (máximo)39.73sTiempo de respuesta (total)114.05s
Programación
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)50.60sTiempo de respuesta (máximo)62.48sTiempo de respuesta (total)151.79s
Combinado
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)104.10sTiempo de respuesta (máximo)131.63sTiempo de respuesta (total)208.20s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)28.03sTiempo de respuesta (máximo)30.49sTiempo de respuesta (total)56.07s
Específico del dominio
: 3.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)115.42sTiempo de respuesta (máximo)218.13sTiempo de respuesta (total)346.26s
Inteligencia general
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)25.15sTiempo de respuesta (máximo)25.15sTiempo de respuesta (total)25.15s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)15.36sTiempo de respuesta (máximo)19.53sTiempo de respuesta (total)30.73s
Resolución de acertijos
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)26.11sTiempo de respuesta (máximo)32.37sTiempo de respuesta (total)78.32s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)74.73sTiempo de respuesta (máximo)74.73sTiempo de respuesta (total)74.73s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)54.46sTiempo de respuesta (máximo)54.46sTiempo de respuesta (total)54.46s
Tareas de agentes
: 5.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)150.60sTiempo de respuesta (máximo)150.60sTiempo de respuesta (total)150.60s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.85sTiempo de respuesta (máximo)2.71sTiempo de respuesta (total)7.38s
Programación
: 7.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)12.96sTiempo de respuesta (máximo)23.18sTiempo de respuesta (total)38.89s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)43.42sTiempo de respuesta (máximo)65.40sTiempo de respuesta (total)86.85s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.37sTiempo de respuesta (máximo)3.30sTiempo de respuesta (total)4.74s
Específico del dominio
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Tiempo agotado: 1Tiempo de respuesta (promedio)1.19sTiempo de respuesta (máximo)1.43sTiempo de respuesta (total)2.38s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.87sTiempo de respuesta (máximo)2.87sTiempo de respuesta (total)2.87s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.57sTiempo de respuesta (máximo)1.66sTiempo de respuesta (total)3.14s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.43sTiempo de respuesta (máximo)2.89sTiempo de respuesta (total)7.28s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.17sTiempo de respuesta (máximo)4.17sTiempo de respuesta (total)4.17s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.25sTiempo de respuesta (máximo)2.25sTiempo de respuesta (total)2.25s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)64.54sTiempo de respuesta (máximo)64.54sTiempo de respuesta (total)64.54s
Trucos anti-IA
: 5.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Sin respuesta: 1Tiempo de respuesta (promedio)25.70sTiempo de respuesta (máximo)48.19sTiempo de respuesta (total)102.80s
Programación
: 6.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)243.00sTiempo de respuesta (máximo)416.76sTiempo de respuesta (total)729.00s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)78.99sTiempo de respuesta (máximo)119.80sTiempo de respuesta (total)157.97s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)25.03sTiempo de respuesta (máximo)27.49sTiempo de respuesta (total)50.06s
Específico del dominio
: 3.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)249.47sTiempo de respuesta (máximo)387.23sTiempo de respuesta (total)748.42s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)8.83sTiempo de respuesta (máximo)8.83sTiempo de respuesta (total)8.83s
Seguimiento de instrucciones
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)8.73sTiempo de respuesta (máximo)9.53sTiempo de respuesta (total)17.45s
Llamada de herramientas
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)15.92sTiempo de respuesta (máximo)15.92sTiempo de respuesta (total)15.92s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)34.01sTiempo de respuesta (máximo)34.01sTiempo de respuesta (total)34.01s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)90.18sTiempo de respuesta (máximo)90.18sTiempo de respuesta (total)90.18s
Trucos anti-IA
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)39.56sTiempo de respuesta (máximo)120.09sTiempo de respuesta (total)158.26s
Programación
: 7.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)109.70sTiempo de respuesta (máximo)141.71sTiempo de respuesta (total)329.11s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)99.12sTiempo de respuesta (máximo)173.03sTiempo de respuesta (total)198.23s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)24.88sTiempo de respuesta (máximo)30.28sTiempo de respuesta (total)49.75s
Específico del dominio
: 4.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)238.45sTiempo de respuesta (máximo)485.92sTiempo de respuesta (total)715.34s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)11.14sTiempo de respuesta (máximo)11.14sTiempo de respuesta (total)11.14s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)12.20sTiempo de respuesta (máximo)21.22sTiempo de respuesta (total)24.41s
Resolución de acertijos
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)12.50sTiempo de respuesta (máximo)20.68sTiempo de respuesta (total)37.50s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)55.56sTiempo de respuesta (máximo)55.56sTiempo de respuesta (total)55.56s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)10.02sTiempo de respuesta (máximo)10.02sTiempo de respuesta (total)10.02s
Tendencias globales del benchmark
Descubre cómo los modelos actuales equilibran puntuación, costo, velocidad, longitud de salida y rendimiento por categoría.