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)
#20#20	GPT-5.6 Solmedium	9.5	OpenAI	$1.700	14.57s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 91.3% Pruebas inestables 3 Tokens de entrada 191,341 Tokens de salida 5,665 Tokens de razonamiento 32,340 Tiempo de respuesta (promedio) 14.57s Tiempo de respuesta (total) 335.16s Tiempo de respuesta (máximo) 79.40s Respuesta incorrecta: 4 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 : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 4.7
#47#47	Muse Spark 1.3medium	9.0	Meta	$1.712	39.83s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 85.5% Pruebas inestables 3 Tokens de entrada 250,676 Tokens de salida 13,511 Tokens de razonamiento 315,400 Tiempo de respuesta (promedio) 39.83s Tiempo de respuesta (total) 916.20s Tiempo de respuesta (máximo) 219.77s Respuesta incorrecta: 4 Llamada de herramienta no válida: 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 : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 9.6 Cultura general : 3.0
#24#24	Claude Opus 5.5low	9.4	Anthropic	$1.733	25.68s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 88.4% Pruebas inestables 2 Tokens de entrada 308,056 Tokens de salida 9,434 Tokens de razonamiento 15,572 Tiempo de respuesta (promedio) 25.68s Tiempo de respuesta (total) 590.71s Tiempo de respuesta (máximo) 89.16s Respuesta incorrecta: 2 No siguió las instrucciones: 1 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 : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#265#265	Gemini 3.5 Flashnone	6.1	Google	$1.752	14.13s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 4 Tokens de entrada 246,061 Tokens de salida 3,828 Tokens de razonamiento 149,767 Tiempo de respuesta (promedio) 14.13s Tiempo de respuesta (total) 268.55s Tiempo de respuesta (máximo) 85.26s Error de API: 4 Respuesta incorrecta: 4 Llamada de herramienta no válida: 1 Tareas de agentes : 2.8 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 3.0 Análisis y extracción de datos : 6.5 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
#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
#17#17	Gemini 4 Argonhigh	9.5	Google	$1.802	19.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 2 Fiabilidad 9.9 Tasa de aciertos por intento 97.1% Pruebas inestables 2 Tokens de entrada 240,264 Tokens de salida 5,707 Tokens de razonamiento 126,366 Tiempo de respuesta (promedio) 19.03s Tiempo de respuesta (total) 437.77s Tiempo de respuesta (máximo) 82.53s Error de API: 1 Respuesta incorrecta: 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 : 8.2 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#31#31	Claude Opus 5.5medium	9.2	Anthropic	$1.804	25.85s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 89.9% Pruebas inestables 1 Tokens de entrada 290,117 Tokens de salida 9,805 Tokens de razonamiento 22,322 Tiempo de respuesta (promedio) 25.85s Tiempo de respuesta (total) 594.63s Tiempo de respuesta (máximo) 90.20s Respuesta incorrecta: 2 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 10.0 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
#23#23	GPT-5.5low	9.5	OpenAI	$1.822	11.91s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 87.0% Pruebas inestables 0 Tokens de entrada 177,939 Tokens de salida 6,283 Tokens de razonamiento 24,782 Tiempo de respuesta (promedio) 11.91s Tiempo de respuesta (total) 273.82s Tiempo de respuesta (máximo) 56.19s 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 : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#317#317	Hy4 previewlow	5.4	Tencent	$1.844	207.21s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 20 Fiabilidad 6.5 Tasa de aciertos por intento 21.7% Pruebas inestables 4 Tokens de entrada 162,180 Tokens de salida 5,030 Tokens de razonamiento 682,447 Tiempo de respuesta (promedio) 207.21s Tiempo de respuesta (total) 4765.91s Tiempo de respuesta (máximo) 597.45s Respuesta incorrecta: 13 Error de API: 5 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 6.0 Programación : 5.2 Combinado : 2.9 Análisis y extracción de datos : 8.7 Específico del dominio : 4.5 Inteligencia general : 7.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#58#58	Pareto 26.9default	8.9	Unbiased	$1.864	28.26s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 79.7% Pruebas inestables 6 Tokens de entrada 218,199 Tokens de salida 175,696 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 28.26s Tiempo de respuesta (total) 649.90s Tiempo de respuesta (máximo) 151.76s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 7.5 Programación : 10.0 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 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
#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
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.927	40.60s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 98.6% Pruebas inestables 1 Tokens de entrada 334,568 Tokens de salida 11,394 Tokens de razonamiento 435,334 Tiempo de respuesta (promedio) 40.60s Tiempo de respuesta (total) 933.73s Tiempo de respuesta (máximo) 177.08s 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 : 8.2 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#153#153	Grok 4.7low	7.4	X AI	$1.933	63.19s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 73.9% Pruebas inestables 5 Tokens de entrada 365,119 Tokens de salida 8,118 Tokens de razonamiento 247,211 Tiempo de respuesta (promedio) 63.19s Tiempo de respuesta (total) 1453.28s Tiempo de respuesta (máximo) 389.63s Respuesta incorrecta: 6 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#54#54	Muse Spark 1.2high	8.9	Meta	$2.018	28.15s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.9 Tasa de aciertos por intento 75.4% Pruebas inestables 5 Tokens de entrada 277,967 Tokens de salida 9,240 Tokens de razonamiento 383,606 Tiempo de respuesta (promedio) 28.15s Tiempo de respuesta (total) 647.40s Tiempo de respuesta (máximo) 192.00s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 7.1 Programación : 10.0 Combinado : 8.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 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
#366#366	Gemini 3.1 Flash Litehigh	4.6	Google	$2.044	61.96s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 53.6% Pruebas inestables 4 Tokens de entrada 29,134 Tokens de salida 1,984 Tokens de razonamiento 1,355,583 Tiempo de respuesta (promedio) 61.96s Tiempo de respuesta (total) 1115.31s Tiempo de respuesta (máximo) 149.23s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Tareas de agentes : 0.0 Trucos anti-IA : 8.7 Programación : 3.3 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0 Cultura general : 0.0
#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
#236#236	Claude Sonnet 4.6medium	6.4	Anthropic	$2.126	28.08s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 62.3% Pruebas inestables 1 Tokens de entrada 106,316 Tokens de salida 79,338 Tokens de razonamiento 41,089 Tiempo de respuesta (promedio) 28.08s Tiempo de respuesta (total) 421.15s Tiempo de respuesta (máximo) 140.96s Respuesta incorrecta: 4 Formato extra: 3 Tiempo agotado: 1 Tareas de agentes : 0.0 Trucos anti-IA : 6.5 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#25#25	Claude Opus 5.5high	9.4	Anthropic	$2.133	27.55s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 87.0% Pruebas inestables 2 Tokens de entrada 319,095 Tokens de salida 10,371 Tokens de razonamiento 32,411 Tiempo de respuesta (promedio) 27.55s Tiempo de respuesta (total) 633.73s Tiempo de respuesta (máximo) 95.95s Respuesta incorrecta: 2 No siguió las instrucciones: 1 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 : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#14#14	GPT-6 Astralow	9.6	OpenAI	$2.160	7.01s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 2 Fiabilidad 9.9 Tasa de aciertos por intento 91.3% Pruebas inestables 0 Tokens de entrada 159,023 Tokens de salida 4,935 Tokens de razonamiento 6,454 Tiempo de respuesta (promedio) 7.01s Tiempo de respuesta (total) 161.20s Tiempo de respuesta (máximo) 49.16s Respuesta incorrecta: 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 : 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
#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
#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
#383#383	Gemini 3.1 Flash Lite Previewhigh	4.3	Google	$2.310	68.14s
Ver ficha del modelo Pruebas totales 16 Pruebas incorrectas 3 Fiabilidad N/D Tasa de aciertos por intento 56.5% Pruebas inestables 0 Tokens de entrada 28,980 Tokens de salida 1,283 Tokens de razonamiento 1,533,310 Tiempo de respuesta (promedio) 68.14s Tiempo de respuesta (total) 1090.28s Tiempo de respuesta (máximo) 280.52s Respuesta incorrecta: 2 No siguió las instrucciones: 1 Tareas de agentes : 0.0 Trucos anti-IA : 7.5 Programación : 0.0 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 0.0
#195#195	Claude Opus 4.8none	6.9	Anthropic	$2.334	7.54s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 60.9% Pruebas inestables 2 Tokens de entrada 345,059 Tokens de salida 24,343 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.54s Tiempo de respuesta (total) 173.31s Tiempo de respuesta (máximo) 65.07s Respuesta incorrecta: 5 Formato extra: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 9.8 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 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