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)
#50#50	Claude Opus 5low	9.0	Anthropic	$2.350	9.87s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 84.1% Pruebas inestables 1 Tokens de entrada 352,845 Tokens de salida 16,553 Tokens de razonamiento 7,007 Tiempo de respuesta (promedio) 9.87s Tiempo de respuesta (total) 226.95s Tiempo de respuesta (máximo) 73.15s Respuesta incorrecta: 4 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 7.8 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 : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#191#191	Ember-1high	6.9	Fireworks	$2.405	58.14s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 8.6 Tasa de aciertos por intento 71.0% Pruebas inestables 8 Tokens de entrada 195,489 Tokens de salida 12,475 Tokens de razonamiento 108,748 Tiempo de respuesta (promedio) 58.14s Tiempo de respuesta (total) 1337.19s Tiempo de respuesta (máximo) 255.06s Error de API: 7 Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 6.1 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.1 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#87#87	Muse Spark 1.1high	8.4	Meta	$2.570	37.41s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.6% Pruebas inestables 6 Tokens de entrada 336,310 Tokens de salida 10,838 Tokens de razonamiento 494,728 Tiempo de respuesta (promedio) 37.41s Tiempo de respuesta (total) 860.39s Tiempo de respuesta (máximo) 196.03s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 7.5 Programación : 10.0 Combinado : 5.9 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 7.8 Llamada de herramientas : 9.6 Cultura general : 3.0
#76#76	Grok 4.6high	8.5	X AI	$2.629	87.48s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 82.6% Pruebas inestables 0 Tokens de entrada 376,233 Tokens de salida 6,687 Tokens de razonamiento 305,927 Tiempo de respuesta (promedio) 87.48s Tiempo de respuesta (total) 2012.15s Tiempo de respuesta (máximo) 618.49s Respuesta incorrecta: 3 Sin respuesta: 1 Tareas de agentes : 5.0 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 : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 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
#99#99	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
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 342,124 Tokens de salida 7,135 Tokens de razonamiento 326,497 Tiempo de respuesta (promedio) 72.50s Tiempo de respuesta (total) 1667.51s Tiempo de respuesta (máximo) 676.83s Respuesta incorrecta: 3 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#21#21	GPT-6 Astramedium	9.5	OpenAI	$2.707	9.90s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 3 Fiabilidad 9.9 Tasa de aciertos por intento 91.3% Pruebas inestables 2 Tokens de entrada 165,464 Tokens de salida 5,591 Tokens de razonamiento 15,454 Tiempo de respuesta (promedio) 9.90s Tiempo de respuesta (total) 227.67s Tiempo de respuesta (máximo) 73.48s 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 : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#92#92	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 85.5% Pruebas inestables 2 Tokens de entrada 348,103 Tokens de salida 11,045 Tokens de razonamiento 234,967 Tiempo de respuesta (promedio) 18.59s Tiempo de respuesta (total) 427.52s Tiempo de respuesta (máximo) 145.92s Llamada de herramienta no válida: 2 Respuesta incorrecta: 2 Tareas de agentes : 3.4 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.2 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 : 9.8 Cultura general : 10.0
#175#175	Claude Opus 5none	7.1	Anthropic	$2.766	10.78s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 55.1% Pruebas inestables 1 Tokens de entrada 396,120 Tokens de salida 31,386 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.78s Tiempo de respuesta (total) 247.96s Tiempo de respuesta (máximo) 79.61s Respuesta incorrecta: 7 Formato extra: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 5.4 Trucos anti-IA : 5.5 Programación : 5.9 Combinado : 8.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#28#28	Claude Opus 5medium	9.4	Anthropic	$2.870	13.24s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 84.1% Pruebas inestables 1 Tokens de entrada 356,605 Tokens de salida 26,715 Tokens de razonamiento 17,041 Tiempo de respuesta (promedio) 13.24s Tiempo de respuesta (total) 304.46s Tiempo de respuesta (máximo) 78.80s Respuesta incorrecta: 3 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 : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#160#160	Grok 4.7medium	7.3	X AI	$2.938	117.65s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.8 Tasa de aciertos por intento 78.3% Pruebas inestables 5 Tokens de entrada 326,066 Tokens de salida 5,726 Tokens de razonamiento 469,019 Tiempo de respuesta (promedio) 117.65s Tiempo de respuesta (total) 2706.03s Tiempo de respuesta (máximo) 660.89s Respuesta incorrecta: 5 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 3.9 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#120#120	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 75.4% Pruebas inestables 4 Tokens de entrada 295,642 Tokens de salida 115,041 Tokens de razonamiento 353,398 Tiempo de respuesta (promedio) 120.88s Tiempo de respuesta (total) 2780.16s Tiempo de respuesta (máximo) 532.28s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#253#253	Claude Opus 4.6medium	6.3	Anthropic	$2.961	32.23s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 60.9% Pruebas inestables 3 Tokens de entrada 108,573 Tokens de salida 69,994 Tokens de razonamiento 26,728 Tiempo de respuesta (promedio) 32.23s Tiempo de respuesta (total) 515.65s Tiempo de respuesta (máximo) 151.51s Formato extra: 4 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Tareas de agentes : 0.0 Trucos anti-IA : 6.4 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 : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#124#124	Grok 4.5medium	7.8	X AI	$2.996 ↑	68.44s
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 308,369 Tokens de salida 7,013 Tokens de razonamiento 299,031 Tiempo de respuesta (promedio) 68.44s Tiempo de respuesta (total) 1574.14s Tiempo de respuesta (máximo) 436.38s Respuesta incorrecta: 6 Tareas de agentes : 5.0 Trucos anti-IA : 10.0 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#207#207	Grok 4.7high	6.7	X AI	$3.037	122.19s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 10 Fiabilidad 9.6 Tasa de aciertos por intento 72.5% Pruebas inestables 7 Tokens de entrada 329,276 Tokens de salida 8,172 Tokens de razonamiento 479,012 Tiempo de respuesta (promedio) 122.19s Tiempo de respuesta (total) 2810.40s Tiempo de respuesta (máximo) 573.57s Sin respuesta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Respuesta incorrecta: 2 Error de API: 1 Tareas de agentes : 3.0 Trucos anti-IA : 8.7 Programación : 6.0 Combinado : 8.6 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#159#159	Claude Fable 5.1medium	7.3	Anthropic	$3.197	11.87s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 78.3% Pruebas inestables 6 Tokens de entrada 157,142 Tokens de salida 8,149 Tokens de razonamiento 24,357 Tiempo de respuesta (promedio) 11.87s Tiempo de respuesta (total) 272.91s Tiempo de respuesta (máximo) 36.59s Respuesta incorrecta: 3 Sin respuesta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 3.0 Trucos anti-IA : 8.2 Programación : 7.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 2.8
#209#209	Ember-1max	6.7	Fireworks	$3.264	97.34s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 8.3 Tasa de aciertos por intento 59.4% Pruebas inestables 6 Tokens de entrada 153,399 Tokens de salida 7,803 Tokens de razonamiento 179,098 Tiempo de respuesta (promedio) 97.34s Tiempo de respuesta (total) 2238.73s Tiempo de respuesta (máximo) 587.08s Error de API: 8 Respuesta incorrecta: 3 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 Programación : 5.2 Combinado : 6.5 Análisis y extracción de datos : 6.4 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#36#36	Qwen3.8 Max (0902)high	9.1	Qwen	$3.306	186.06s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 5 Fiabilidad 9.8 Tasa de aciertos por intento 87.0% Pruebas inestables 3 Tokens de entrada 328,637 Tokens de salida 8,619 Tokens de razonamiento 432,733 Tiempo de respuesta (promedio) 186.06s Tiempo de respuesta (total) 4279.49s Tiempo de respuesta (máximo) 912.78s Respuesta incorrecta: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#264#264	Claude Fable 5.1low	6.2	Anthropic	$3.395	11.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 55.1% Pruebas inestables 3 Tokens de entrada 209,116 Tokens de salida 10,031 Tokens de razonamiento 16,042 Tiempo de respuesta (promedio) 11.40s Tiempo de respuesta (total) 262.14s Tiempo de respuesta (máximo) 34.77s Formato extra: 4 Respuesta incorrecta: 4 No siguió las instrucciones: 3 Error de API: 1 Tareas de agentes : 2.8 Trucos anti-IA : 6.5 Programación : 3.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.7 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
#203#203	Grok 4.7xhigh	6.7	X AI	$3.398	123.96s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 9.7 Tasa de aciertos por intento 73.9% Pruebas inestables 6 Tokens de entrada 310,049 Tokens de salida 6,094 Tokens de razonamiento 566,221 Tiempo de respuesta (promedio) 123.96s Tiempo de respuesta (total) 2851.07s Tiempo de respuesta (máximo) 775.64s Sin respuesta: 4 Respuesta incorrecta: 3 Error de API: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 8.7 Programación : 5.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#93#93	Kimi K3max	8.3	Moonshot AI	$3.409 ↓	139.41s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 9.3 Tasa de aciertos por intento 78.3% Pruebas inestables 2 Tokens de entrada 170,700 Tokens de salida 7,719 Tokens de razonamiento 225,608 Tiempo de respuesta (promedio) 139.41s Tiempo de respuesta (total) 2788.26s Tiempo de respuesta (máximo) 766.58s Error de API: 2 Sin respuesta: 2 Formato extra: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#131#131	Muse Wonderhigh	7.7	Meta	$3.426	22.96s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.3 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 94,153 Tokens de salida 9,606 Tokens de razonamiento 142,834 Tiempo de respuesta (promedio) 22.96s Tiempo de respuesta (total) 528.08s Tiempo de respuesta (máximo) 143.21s Error de API: 6 Respuesta incorrecta: 2 Tareas de agentes : 3.0 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 9.8 Cultura general : 2.8
#116#116	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 85.5% Pruebas inestables 1 Tokens de entrada 144,676 Tokens de salida 8,184 Tokens de razonamiento 32,282 Tiempo de respuesta (promedio) 13.30s Tiempo de respuesta (total) 305.83s Tiempo de respuesta (máximo) 40.17s Respuesta incorrecta: 3 Error de API: 1 Tareas de agentes : 3.0 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
#95#95	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
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 360,294 Tokens de salida 43,441 Tokens de razonamiento 24,401 Tiempo de respuesta (promedio) 16.72s Tiempo de respuesta (total) 384.66s Tiempo de respuesta (máximo) 99.37s Respuesta incorrecta: 5 Sin respuesta: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.9 Análisis y extracción de datos : 7.1 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

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