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)
#72#72	Claude Sonnet 5.5xhigh	8.6	Anthropic	$1.516	14.98s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 79.7% Pruebas inestables 4 Tokens de entrada 342,579 Tokens de salida 12,848 Tokens de razonamiento 70,193 Tiempo de respuesta (promedio) 14.98s Tiempo de respuesta (total) 344.60s Tiempo de respuesta (máximo) 54.92s Respuesta incorrecta: 3 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#73#73	Claude Sonnet 5.5high	8.6	Anthropic	$1.175	10.79s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 81.2% Pruebas inestables 5 Tokens de entrada 345,687 Tokens de salida 13,550 Tokens de razonamiento 34,743 Tiempo de respuesta (promedio) 10.79s Tiempo de respuesta (total) 248.22s Tiempo de respuesta (máximo) 51.53s Respuesta incorrecta: 5 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.2 Análisis y extracción de datos : 7.3 Específico del dominio : 3.5 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#74#74	Claude Haiku 5.5low	8.6	Anthropic	$0.061	7.51s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 3 Tokens de entrada 296,301 Tokens de salida 10,672 Tokens de razonamiento 50,978 Tiempo de respuesta (promedio) 7.51s Tiempo de respuesta (total) 172.74s Tiempo de respuesta (máximo) 44.43s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 Programación : 7.9 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#77#77	Muse Spark 1.3low	8.5	Meta	$0.911	17.73s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 82.6% Pruebas inestables 5 Tokens de entrada 270,231 Tokens de salida 13,363 Tokens de razonamiento 121,332 Tiempo de respuesta (promedio) 17.73s Tiempo de respuesta (total) 407.75s Tiempo de respuesta (máximo) 78.72s Respuesta incorrecta: 4 Error de API: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 7.3 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
#78#78	Claude Sonnet 5medium	8.5	Anthropic	$1.438	15.01s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 3 Tokens de entrada 353,658 Tokens de salida 54,891 Tokens de razonamiento 18,370 Tiempo de respuesta (promedio) 15.01s Tiempo de respuesta (total) 345.16s Tiempo de respuesta (máximo) 69.26s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 9.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#82#82	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
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 313,881 Tokens de salida 123,706 Tokens de razonamiento 388,328 Tiempo de respuesta (promedio) 120.40s Tiempo de respuesta (total) 2769.16s Tiempo de respuesta (máximo) 534.21s Respuesta incorrecta: 5 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 10.0 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
#86#86	Inklinghigh	8.4	Thinkingmachines	$1.238 ↓	62.72s
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 240,395 Tokens de salida 7,169 Tokens de razonamiento 242,073 Tiempo de respuesta (promedio) 62.72s Tiempo de respuesta (total) 1442.48s Tiempo de respuesta (máximo) 327.51s Respuesta incorrecta: 4 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.5 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#97#97	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 3 Tokens de entrada 350,546 Tokens de salida 8,576 Tokens de razonamiento 206,984 Tiempo de respuesta (promedio) 59.73s Tiempo de respuesta (total) 1373.73s Tiempo de respuesta (máximo) 315.30s Respuesta incorrecta: 6 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#118#118	Qwen3.7 Maxnone	7.9	Qwen	$0.451 ↓	7.85s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 9.9 Tasa de aciertos por intento 69.6% Pruebas inestables 0 Tokens de entrada 243,553 Tokens de salida 20,670 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.85s Tiempo de respuesta (total) 180.65s Tiempo de respuesta (máximo) 80.34s Respuesta incorrecta: 7 Tareas de agentes : 10.0 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#122#122	Muse Wondermax	7.9	Meta	$4.766	44.39s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 9.0 Tasa de aciertos por intento 75.4% Pruebas inestables 3 Tokens de entrada 93,126 Tokens de salida 10,497 Tokens de razonamiento 209,138 Tiempo de respuesta (promedio) 44.39s Tiempo de respuesta (total) 1021.02s Tiempo de respuesta (máximo) 287.79s Error de API: 4 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Tareas de agentes : 3.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 2.8
#127#127	Grok 4.6medium	7.8	X AI	$2.270	74.77s
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 336,351 Tokens de salida 6,180 Tokens de razonamiento 260,017 Tiempo de respuesta (promedio) 74.77s Tiempo de respuesta (total) 1719.73s Tiempo de respuesta (máximo) 514.35s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#129#129	Grok 4.5low	7.8	X AI	$1.345	18.14s
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 308,068 Tokens de salida 9,218 Tokens de razonamiento 112,197 Tiempo de respuesta (promedio) 18.14s Tiempo de respuesta (total) 417.21s Tiempo de respuesta (máximo) 205.28s Respuesta incorrecta: 7 Tareas de agentes : 5.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#157#157	Gemma 4 26B A4Bmedium	7.3	Google	$0.101 ↓	105.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 1 Tokens de entrada 224,367 Tokens de salida 27,095 Tokens de razonamiento 242,256 Tiempo de respuesta (promedio) 105.03s Tiempo de respuesta (total) 2310.63s Tiempo de respuesta (máximo) 912.19s Sin respuesta: 2 Tiempo agotado: 2 Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 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
#168#168	Gemini 3.8 Flashlow	7.2	Google	$0.323	7.54s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 9.9 Tasa de aciertos por intento 81.2% Pruebas inestables 5 Tokens de entrada 215,836 Tokens de salida 9,452 Tokens de razonamiento 33,289 Tiempo de respuesta (promedio) 7.54s Tiempo de respuesta (total) 173.36s Tiempo de respuesta (máximo) 67.18s Respuesta incorrecta: 6 Sin respuesta: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 5.4 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.8 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#169#169	Claude Opus 4.8low	7.2	Anthropic	$3.787	17.13s
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 409,947 Tokens de salida 46,060 Tokens de razonamiento 23,429 Tiempo de respuesta (promedio) 17.13s Tiempo de respuesta (total) 394.01s Tiempo de respuesta (máximo) 127.97s Respuesta incorrecta: 5 Formato extra: 1 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 9.9 Análisis y extracción de datos : 6.3 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
#188#188	Gemini 3 Flash Previewlow	6.9	Google	$0.254	8.51s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 72.5% Pruebas inestables 2 Tokens de entrada 251,677 Tokens de salida 11,196 Tokens de razonamiento 31,204 Tiempo de respuesta (promedio) 8.51s Tiempo de respuesta (total) 195.76s Tiempo de respuesta (máximo) 52.64s Respuesta incorrecta: 7 Tareas de agentes : 5.0 Trucos anti-IA : 10.0 Programación : 5.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#100#100	GLM 5.2medium	8.2	Z.ai	$1.007 ↑	26.88s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.6 Tasa de aciertos por intento 81.2% Pruebas inestables 4 Tokens de entrada 227,164 Tokens de salida 20,029 Tokens de razonamiento 60,991 Tiempo de respuesta (promedio) 26.88s Tiempo de respuesta (total) 591.34s Tiempo de respuesta (máximo) 102.40s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#30#30	Muse Spark Openhigh	9.2	Meta	$1.782	151.96s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 9.4 Tasa de aciertos por intento 76.8% Pruebas inestables 1 Tokens de entrada 270,889 Tokens de salida 10,688 Tokens de razonamiento 328,857 Tiempo de respuesta (promedio) 151.96s Tiempo de respuesta (total) 3495.01s Tiempo de respuesta (máximo) 960.01s Tiempo agotado: 2 Respuesta incorrecta: 2 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 : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#32#32	Muse Wondermedium	9.2	Meta	$3.397	21.58s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 9.1 Tasa de aciertos por intento 76.8% Pruebas inestables 1 Tokens de entrada 241,489 Tokens de salida 11,575 Tokens de razonamiento 109,971 Tiempo de respuesta (promedio) 21.58s Tiempo de respuesta (total) 496.40s Tiempo de respuesta (máximo) 162.73s Error de API: 4 Respuesta incorrecta: 2 Tareas de agentes : 10.0 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 : 6.6 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 4.7
#37#37	GPT-5.3-Codexmedium	9.1	OpenAI	$1.318	18.87s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 84.1% Pruebas inestables 4 Tokens de entrada 222,794 Tokens de salida 7,357 Tokens de razonamiento 58,930 Tiempo de respuesta (promedio) 18.87s Tiempo de respuesta (total) 433.94s Tiempo de respuesta (máximo) 100.93s Respuesta incorrecta: 4 No siguió las instrucciones: 2 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 : 5.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#39#39	Muse Spark 1.3high	9.1	Meta	$1.891	52.87s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 78.3% Pruebas inestables 2 Tokens de entrada 257,320 Tokens de salida 14,459 Tokens de razonamiento 354,683 Tiempo de respuesta (promedio) 52.87s Tiempo de respuesta (total) 1216.04s Tiempo de respuesta (máximo) 251.53s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Sin respuesta: 1 Tareas de agentes : 10.0 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 : 6.5 Resolución de acertijos : 8.7 Llamada de herramientas : 9.6 Cultura general : 3.0
#40#40	Muse Wonderlow	9.1	Meta	$2.637	16.00s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 9.7 Tasa de aciertos por intento 76.8% Pruebas inestables 1 Tokens de entrada 244,997 Tokens de salida 11,148 Tokens de razonamiento 71,699 Tiempo de respuesta (promedio) 16.00s Tiempo de respuesta (total) 367.91s Tiempo de respuesta (máximo) 83.98s Respuesta incorrecta: 4 Error de API: 2 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#42#42	Seed 2.1 Turbohigh	9.1	Bytedance Seed	$1.892	170.52s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 79.7% Pruebas inestables 3 Tokens de entrada 246,954 Tokens de salida 8,378 Tokens de razonamiento 698,942 Tiempo de respuesta (promedio) 170.52s Tiempo de respuesta (total) 3922.04s Tiempo de respuesta (máximo) 584.71s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.2 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#43#43	Muse Wonderminimal	9.1	Meta	$1.639	7.72s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 9.7 Tasa de aciertos por intento 76.8% Pruebas inestables 2 Tokens de entrada 238,532 Tokens de salida 9,812 Tokens de razonamiento 24,412 Tiempo de respuesta (promedio) 7.72s Tiempo de respuesta (total) 177.57s Tiempo de respuesta (máximo) 42.89s Error de API: 3 Respuesta incorrecta: 3 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#52#52	GLM 5.3 Flashmax	9.0	Z.ai	$0.089	54.04s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 82.6% Pruebas inestables 3 Tokens de entrada 255,743 Tokens de salida 8,684 Tokens de razonamiento 207,435 Tiempo de respuesta (promedio) 54.04s Tiempo de respuesta (total) 1242.97s Tiempo de respuesta (máximo) 333.47s Respuesta incorrecta: 2 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 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