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)145.06sTiempo de respuesta (máximo)145.06sTiempo de respuesta (total)145.06s
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)13.01sTiempo de respuesta (máximo)33.19sTiempo de respuesta (total)52.06s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)105.91sTiempo de respuesta (máximo)159.45sTiempo de respuesta (total)317.72s
Combinado
: 6.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Sin respuesta: 1Tiempo de respuesta (promedio)272.74sTiempo de respuesta (máximo)467.25sTiempo de respuesta (total)545.49s
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)19.84sTiempo de respuesta (máximo)23.87sTiempo de respuesta (total)39.68s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Sin respuesta: 1Tiempo de respuesta (promedio)142.55sTiempo de respuesta (máximo)292.27sTiempo de respuesta (total)427.66s
Inteligencia general
: 5.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.41sTiempo de respuesta (máximo)7.41sTiempo de respuesta (total)7.41s
Seguimiento de instrucciones
: 8.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)8.90sTiempo de respuesta (máximo)9.09sTiempo de respuesta (total)17.81s
Resolución de acertijos
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)199.67sTiempo de respuesta (máximo)576.79sTiempo de respuesta (total)599.00s
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
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)87.23sTiempo de respuesta (máximo)87.23sTiempo de respuesta (total)87.23s
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)68.54sTiempo de respuesta (máximo)68.54sTiempo de respuesta (total)68.54s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)27.63sTiempo de respuesta (máximo)38.31sTiempo de respuesta (total)82.89s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)99.82sTiempo de respuesta (máximo)111.48sTiempo de respuesta (total)199.63s
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)12.58sTiempo de respuesta (máximo)13.87sTiempo de respuesta (total)25.16s
Específico del dominio
: 3.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo agotado: 1Tiempo de respuesta (promedio)44.66sTiempo de respuesta (máximo)82.55sTiempo de respuesta (total)133.99s
Inteligencia general
: 4.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)13.50sTiempo de respuesta (máximo)13.50sTiempo de respuesta (total)13.50s
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)11.59sTiempo de respuesta (máximo)13.66sTiempo de respuesta (total)23.18s
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)18.64sTiempo de respuesta (máximo)18.64sTiempo de respuesta (total)18.64s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)9.99sTiempo de respuesta (máximo)9.99sTiempo de respuesta (total)9.99s
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)151.76sTiempo de respuesta (máximo)151.76sTiempo de respuesta (total)151.76s
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)22.04sTiempo de respuesta (máximo)42.15sTiempo de respuesta (total)88.14s
Programación
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)172.53sTiempo de respuesta (máximo)384.94sTiempo de respuesta (total)517.59s
Combinado
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)231.85sTiempo de respuesta (máximo)331.16sTiempo de respuesta (total)463.69s
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)22.27sTiempo de respuesta (máximo)37.21sTiempo de respuesta (total)44.54s
Específico del dominio
: 3.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)287.65sTiempo de respuesta (máximo)534.21sTiempo de respuesta (total)862.96s
Inteligencia general
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)22.97sTiempo de respuesta (máximo)22.97sTiempo de respuesta (total)22.97s
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)19.54sTiempo de respuesta (máximo)28.63sTiempo de respuesta (total)39.07s
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)43.37sTiempo de respuesta (máximo)96.64sTiempo de respuesta (total)130.12s
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)25.88sTiempo de respuesta (máximo)25.88sTiempo de respuesta (total)25.88s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)422.46sTiempo de respuesta (máximo)422.46sTiempo de respuesta (total)422.46s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 5Tiempo de respuesta (promedio)4.44sTiempo de respuesta (máximo)42.86sTiempo de respuesta (total)102.02s…
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)42.86sTiempo de respuesta (máximo)42.86sTiempo de respuesta (total)42.86s
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)1.40sTiempo de respuesta (máximo)1.95sTiempo de respuesta (total)5.60s
Programación
: 5.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)1.65sTiempo de respuesta (máximo)2.33sTiempo de respuesta (total)4.96s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)9.04sTiempo de respuesta (máximo)12.32sTiempo de respuesta (total)18.08s
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)1.73sTiempo de respuesta (máximo)1.82sTiempo de respuesta (total)3.45s
Específico del dominio
: 5.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)2.87sTiempo de respuesta (máximo)4.78sTiempo de respuesta (total)8.61s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.52sTiempo de respuesta (máximo)1.52sTiempo de respuesta (total)1.52s
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)1.52sTiempo de respuesta (máximo)1.54sTiempo de respuesta (total)3.04s
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)1.49sTiempo de respuesta (máximo)1.61sTiempo de respuesta (total)4.47s
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)7.50sTiempo de respuesta (máximo)7.50sTiempo de respuesta (total)7.50s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.94sTiempo de respuesta (máximo)1.94sTiempo de respuesta (total)1.94s
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)112.72sTiempo de respuesta (máximo)112.72sTiempo de respuesta (total)112.72s
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)6.75sTiempo de respuesta (máximo)7.93sTiempo de respuesta (total)27.01s
Programación
: 8.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)59.18sTiempo de respuesta (máximo)100.45sTiempo de respuesta (total)177.54s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)183.49sTiempo de respuesta (máximo)310.51sTiempo de respuesta (total)366.98s
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)3.65sTiempo de respuesta (máximo)4.36sTiempo de respuesta (total)7.31s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)14.34sTiempo de respuesta (máximo)14.34sTiempo de respuesta (total)14.34s
Seguimiento de instrucciones
: 8.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)6.10sTiempo de respuesta (máximo)8.09sTiempo de respuesta (total)12.19s
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)4.32sTiempo de respuesta (máximo)5.27sTiempo de respuesta (total)12.95s
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)35.56sTiempo de respuesta (máximo)35.56sTiempo de respuesta (total)35.56s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)39.39sTiempo de respuesta (máximo)39.39sTiempo de respuesta (total)39.39s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 3Respuesta incorrecta: 1Tiempo de respuesta (promedio)61.71sTiempo de respuesta (máximo)288.94sTiempo de respuesta (total)1419.40s…
Tareas de agentes
: 4.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)93.30sTiempo de respuesta (máximo)93.30sTiempo de respuesta (total)93.30s
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)5.52sTiempo de respuesta (máximo)13.27sTiempo de respuesta (total)22.09s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)55.87sTiempo de respuesta (máximo)88.63sTiempo de respuesta (total)167.62s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)148.38sTiempo de respuesta (máximo)180.18sTiempo de respuesta (total)296.76s
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)11.11sTiempo de respuesta (máximo)12.77sTiempo de respuesta (total)22.23s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 2Tiempo de respuesta (promedio)228.16sTiempo de respuesta (máximo)288.94sTiempo de respuesta (total)684.47s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)42.22sTiempo de respuesta (máximo)42.22sTiempo de respuesta (total)42.22s
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)6.22sTiempo de respuesta (máximo)7.54sTiempo de respuesta (total)12.44s
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)16.54sTiempo de respuesta (máximo)33.66sTiempo de respuesta (total)49.63s
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)9.86sTiempo de respuesta (máximo)9.86sTiempo de respuesta (total)9.86s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)18.80sTiempo de respuesta (máximo)18.80sTiempo de respuesta (total)18.80s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 5Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)48.35sTiempo de respuesta (máximo)556.06sTiempo de respuesta (total)1112.11s…
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)137.00sTiempo de respuesta (máximo)137.00sTiempo de respuesta (total)137.00s
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)6.36sTiempo de respuesta (máximo)8.75sTiempo de respuesta (total)25.44s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)35.31sTiempo de respuesta (máximo)59.98sTiempo de respuesta (total)105.93s
Combinado
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)287.83sTiempo de respuesta (máximo)556.06sTiempo de respuesta (total)575.66s
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)8.80sTiempo de respuesta (máximo)10.25sTiempo de respuesta (total)17.60s
Específico del dominio
: 4.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)52.45sTiempo de respuesta (máximo)102.71sTiempo de respuesta (total)157.35s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)11.70sTiempo de respuesta (máximo)11.70sTiempo de respuesta (total)11.70s
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)7.46sTiempo de respuesta (máximo)10.17sTiempo de respuesta (total)14.92s
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)8.84sTiempo de respuesta (máximo)11.71sTiempo de respuesta (total)26.51s
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)6.63sTiempo de respuesta (máximo)6.63sTiempo de respuesta (total)6.63s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)33.37sTiempo de respuesta (máximo)33.37sTiempo de respuesta (total)33.37s
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)69.26sTiempo de respuesta (máximo)69.26sTiempo de respuesta (total)69.26s
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)3.80sTiempo de respuesta (máximo)5.73sTiempo de respuesta (total)15.21s
Programación
: 9.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)17.28sTiempo de respuesta (máximo)31.73sTiempo de respuesta (total)51.84s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)51.86sTiempo de respuesta (máximo)66.71sTiempo de respuesta (total)103.73s
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)3.16sTiempo de respuesta (máximo)3.47sTiempo de respuesta (total)6.32s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)20.54sTiempo de respuesta (máximo)56.94sTiempo de respuesta (total)61.61s
Inteligencia general
: 4.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)4.32sTiempo de respuesta (máximo)4.32sTiempo de respuesta (total)4.32s
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)3.10sTiempo de respuesta (máximo)3.61sTiempo de respuesta (total)6.20s
Resolución de acertijos
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.98sTiempo de respuesta (máximo)3.20sTiempo de respuesta (total)8.93s
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)10.70sTiempo de respuesta (máximo)10.70sTiempo de respuesta (total)10.70s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.06sTiempo de respuesta (máximo)7.06sTiempo de respuesta (total)7.06s
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)55.06sTiempo de respuesta (máximo)55.06sTiempo de respuesta (total)55.06s
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)3.92sTiempo de respuesta (máximo)5.06sTiempo de respuesta (total)15.66s
Programación
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)20.86sTiempo de respuesta (máximo)28.10sTiempo de respuesta (total)62.58s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)25.72sTiempo de respuesta (máximo)38.73sTiempo de respuesta (total)51.44s
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)3.62sTiempo de respuesta (máximo)3.75sTiempo de respuesta (total)7.23s
Específico del dominio
: 3.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)45.63sTiempo de respuesta (máximo)78.72sTiempo de respuesta (total)136.89s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.02sTiempo de respuesta (máximo)4.02sTiempo de respuesta (total)4.02s
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)5.04sTiempo de respuesta (máximo)5.70sTiempo de respuesta (total)10.09s
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)11.34sTiempo de respuesta (máximo)25.48sTiempo de respuesta (total)34.03s
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)7.39sTiempo de respuesta (máximo)7.39sTiempo de respuesta (total)7.39s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)23.36sTiempo de respuesta (máximo)23.36sTiempo de respuesta (total)23.36s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Sin respuesta: 1Tiempo de respuesta (promedio)87.48sTiempo de respuesta (máximo)618.49sTiempo de respuesta (total)2012.15s…
Tareas de agentes
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)160.89sTiempo de respuesta (máximo)160.89sTiempo de respuesta (total)160.89s
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)14.44sTiempo de respuesta (máximo)29.43sTiempo de respuesta (total)57.78s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)102.20sTiempo de respuesta (máximo)134.17sTiempo de respuesta (total)306.59s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)91.77sTiempo de respuesta (máximo)121.80sTiempo de respuesta (total)183.53s
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)16.08sTiempo de respuesta (máximo)16.15sTiempo de respuesta (total)32.17s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)369.95sTiempo de respuesta (máximo)618.49sTiempo de respuesta (total)1109.84s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)19.51sTiempo de respuesta (máximo)19.51sTiempo de respuesta (total)19.51s
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)13.82sTiempo de respuesta (máximo)14.84sTiempo de respuesta (total)27.65s
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)15.56sTiempo de respuesta (máximo)20.27sTiempo de respuesta (total)46.69s
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.Sin respuesta: 1Tiempo de respuesta (promedio)54.22sTiempo de respuesta (máximo)54.22sTiempo de respuesta (total)54.22s
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)47.20sTiempo de respuesta (máximo)47.20sTiempo de respuesta (total)47.20s
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)2.38sTiempo de respuesta (máximo)3.69sTiempo de respuesta (total)9.52s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.94sTiempo de respuesta (máximo)10.37sTiempo de respuesta (total)20.83s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)9.77sTiempo de respuesta (máximo)12.25sTiempo de respuesta (total)19.54s
Análisis y extracción de datos
: 6.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.39sTiempo de respuesta (máximo)3.79sTiempo de respuesta (total)6.78s
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)35.64sTiempo de respuesta (máximo)75.32sTiempo de respuesta (total)106.91s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.37sTiempo de respuesta (máximo)3.37sTiempo de respuesta (total)3.37s
Seguimiento de instrucciones
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)3.38sTiempo de respuesta (máximo)5.33sTiempo de respuesta (total)6.76s
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)4.09sTiempo de respuesta (máximo)4.09sTiempo de respuesta (total)4.09s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)9.98sTiempo de respuesta (máximo)9.98sTiempo de respuesta (total)9.98s
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)47.94sTiempo de respuesta (máximo)47.94sTiempo de respuesta (total)47.94s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.43sTiempo de respuesta (máximo)3.27sTiempo de respuesta (total)9.70s
Programación
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)64.92sTiempo de respuesta (máximo)136.73sTiempo de respuesta (total)194.76s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)21.06sTiempo de respuesta (máximo)35.74sTiempo de respuesta (total)42.11s
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)2.19sTiempo de respuesta (máximo)2.77sTiempo de respuesta (total)4.39s
Específico del dominio
: 4.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Sin respuesta: 1Tiempo de respuesta (promedio)134.14sTiempo de respuesta (máximo)276.96sTiempo de respuesta (total)402.43s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)3.21sTiempo de respuesta (máximo)3.21sTiempo de respuesta (total)3.21s
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)1.49sTiempo de respuesta (máximo)1.51sTiempo de respuesta (total)2.97s
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)4.06sTiempo de respuesta (máximo)4.06sTiempo de respuesta (total)4.06s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)15.86sTiempo de respuesta (máximo)15.86sTiempo de respuesta (total)15.86s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)29.07sTiempo de respuesta (máximo)207.79sTiempo de respuesta (total)668.66s…
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)136.04sTiempo de respuesta (máximo)136.04sTiempo de respuesta (total)136.04s
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)4.72sTiempo de respuesta (máximo)7.30sTiempo de respuesta (total)18.89s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)37.42sTiempo de respuesta (máximo)61.54sTiempo de respuesta (total)112.27s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)113.88sTiempo de respuesta (máximo)207.79sTiempo de respuesta (total)227.77s
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)9.94sTiempo de respuesta (máximo)10.24sTiempo de respuesta (total)19.88s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)34.93sTiempo de respuesta (máximo)46.54sTiempo de respuesta (total)104.79s
Inteligencia general
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)8.91sTiempo de respuesta (máximo)8.91sTiempo de respuesta (total)8.91s
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)4.32sTiempo de respuesta (máximo)5.28sTiempo de respuesta (total)8.63s
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)4.49sTiempo de respuesta (máximo)6.25sTiempo de respuesta (total)13.46s
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)4.73sTiempo de respuesta (máximo)4.73sTiempo de respuesta (total)4.73s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)13.28sTiempo de respuesta (máximo)13.28sTiempo de respuesta (total)13.28s
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)44.43sTiempo de respuesta (máximo)44.43sTiempo de respuesta (total)44.43s
Trucos anti-IA
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.16sTiempo de respuesta (máximo)3.03sTiempo de respuesta (total)8.62s
Programación
: 7.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)7.30sTiempo de respuesta (máximo)8.92sTiempo de respuesta (total)21.89s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)23.94sTiempo de respuesta (máximo)27.39sTiempo de respuesta (total)47.88s
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)3.45sTiempo de respuesta (máximo)3.70sTiempo de respuesta (total)6.89s
Específico del dominio
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.35sTiempo de respuesta (máximo)7.77sTiempo de respuesta (total)22.06s
Inteligencia general
: 4.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.38sTiempo de respuesta (máximo)1.38sTiempo de respuesta (total)1.38s
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)2.20sTiempo de respuesta (máximo)3.24sTiempo de respuesta (total)4.40s
Resolución de acertijos
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)2.76sTiempo de respuesta (máximo)3.28sTiempo de respuesta (total)8.28s
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)4.19sTiempo de respuesta (máximo)4.19sTiempo de respuesta (total)4.19s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)2.70sTiempo de respuesta (máximo)2.70sTiempo de respuesta (total)2.70s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Sin respuesta: 1Tiempo de respuesta (promedio)52.90sTiempo de respuesta (máximo)437.98sTiempo de respuesta (total)1216.62s…
Tareas de agentes
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)228.78sTiempo de respuesta (máximo)228.78sTiempo de respuesta (total)228.78s
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)3.42sTiempo de respuesta (máximo)4.83sTiempo de respuesta (total)13.67s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)15.68sTiempo de respuesta (máximo)16.60sTiempo de respuesta (total)47.05s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)46.52sTiempo de respuesta (máximo)80.07sTiempo de respuesta (total)93.03s
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)3.88sTiempo de respuesta (máximo)5.03sTiempo de respuesta (total)7.77s
Específico del dominio
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)239.42sTiempo de respuesta (máximo)437.98sTiempo de respuesta (total)718.25s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.78sTiempo de respuesta (máximo)4.78sTiempo de respuesta (total)4.78s
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)3.02sTiempo de respuesta (máximo)3.54sTiempo de respuesta (total)6.04s
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)3.51sTiempo de respuesta (máximo)4.52sTiempo de respuesta (total)10.53s
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)6.99sTiempo de respuesta (máximo)6.99sTiempo de respuesta (total)6.99s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)79.73sTiempo de respuesta (máximo)79.73sTiempo de respuesta (total)79.73s
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)51.53sTiempo de respuesta (máximo)51.53sTiempo de respuesta (total)51.53s
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)3.69sTiempo de respuesta (máximo)5.27sTiempo de respuesta (total)14.74s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)9.85sTiempo de respuesta (máximo)11.12sTiempo de respuesta (total)29.55s
Combinado
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)24.57sTiempo de respuesta (máximo)25.71sTiempo de respuesta (total)49.15s
Análisis y extracción de datos
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Tiempo de respuesta (promedio)3.86sTiempo de respuesta (máximo)6.13sTiempo de respuesta (total)7.72s
Específico del dominio
: 3.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)17.52sTiempo de respuesta (máximo)20.97sTiempo de respuesta (total)52.55s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.93sTiempo de respuesta (máximo)6.93sTiempo de respuesta (total)6.93s
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)5.13sTiempo de respuesta (máximo)5.35sTiempo de respuesta (total)10.26s
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)3.54sTiempo de respuesta (máximo)4.64sTiempo de respuesta (total)10.63s
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)5.22sTiempo de respuesta (máximo)5.22sTiempo de respuesta (total)5.22s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)9.93sTiempo de respuesta (máximo)9.93sTiempo de respuesta (total)9.93s
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)42.23sTiempo de respuesta (máximo)42.23sTiempo de respuesta (total)42.23s
Trucos anti-IA
: 7.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)4.36sTiempo de respuesta (máximo)8.92sTiempo de respuesta (total)17.45s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)10.34sTiempo de respuesta (máximo)12.60sTiempo de respuesta (total)31.02s
Combinado
: 6.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)29.45sTiempo de respuesta (máximo)39.63sTiempo de respuesta (total)58.89s
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)3.22sTiempo de respuesta (máximo)3.93sTiempo de respuesta (total)6.45s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.12sTiempo de respuesta (máximo)4.12sTiempo de respuesta (total)4.12s
Seguimiento de instrucciones
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)5.42sTiempo de respuesta (máximo)6.23sTiempo de respuesta (total)10.85s
Resolución de acertijos
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)6.60sTiempo de respuesta (máximo)11.77sTiempo de respuesta (total)19.81s
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)5.98sTiempo de respuesta (máximo)5.98sTiempo de respuesta (total)5.98s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)8.17sTiempo de respuesta (máximo)8.17sTiempo de respuesta (total)8.17s
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)54.92sTiempo de respuesta (máximo)54.92sTiempo de respuesta (total)54.92s
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)4.21sTiempo de respuesta (máximo)5.12sTiempo de respuesta (total)16.83s
Programación
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Tiempo de respuesta (promedio)11.90sTiempo de respuesta (máximo)15.48sTiempo de respuesta (total)35.70s
Combinado
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)30.37sTiempo de respuesta (máximo)37.90sTiempo de respuesta (total)60.75s
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)4.96sTiempo de respuesta (máximo)6.16sTiempo de respuesta (total)9.92s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)35.33sTiempo de respuesta (máximo)54.91sTiempo de respuesta (total)106.00s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)9.10sTiempo de respuesta (máximo)9.10sTiempo de respuesta (total)9.10s
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)4.58sTiempo de respuesta (máximo)4.79sTiempo de respuesta (total)9.15s
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)4.88sTiempo de respuesta (máximo)5.32sTiempo de respuesta (total)14.63s
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)10.29sTiempo de respuesta (máximo)10.29sTiempo de respuesta (total)10.29s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)17.31sTiempo de respuesta (máximo)17.31sTiempo de respuesta (total)17.31s
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)49.92sTiempo de respuesta (máximo)49.92sTiempo de respuesta (total)49.92s
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)2.98sTiempo de respuesta (máximo)3.78sTiempo de respuesta (total)11.93s
Programación
: 5.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1No siguió las instrucciones: 1Tiempo de respuesta (promedio)6.83sTiempo de respuesta (máximo)8.24sTiempo de respuesta (total)20.50s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)19.45sTiempo de respuesta (máximo)27.24sTiempo de respuesta (total)38.90s
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)4.00sTiempo de respuesta (máximo)4.14sTiempo de respuesta (total)8.00s
Específico del dominio
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)14.20sTiempo de respuesta (máximo)17.76sTiempo de respuesta (total)42.59s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.39sTiempo de respuesta (máximo)4.39sTiempo de respuesta (total)4.39s
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)3.35sTiempo de respuesta (máximo)3.59sTiempo de respuesta (total)6.69s
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)3.87sTiempo de respuesta (máximo)4.70sTiempo de respuesta (total)11.60s
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)11.96sTiempo de respuesta (máximo)11.96sTiempo de respuesta (total)11.96s
Cultura general
: 2.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.89sTiempo de respuesta (máximo)6.89sTiempo de respuesta (total)6.89s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 5Tiempo de respuesta (promedio)4.08sTiempo de respuesta (máximo)40.32sTiempo de respuesta (total)93.75s…
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)40.32sTiempo de respuesta (máximo)40.32sTiempo de respuesta (total)40.32s
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)1.45sTiempo de respuesta (máximo)1.65sTiempo de respuesta (total)5.79s
Programación
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.86sTiempo de respuesta (máximo)2.63sTiempo de respuesta (total)5.57s
Combinado
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)9.01sTiempo de respuesta (máximo)12.96sTiempo de respuesta (total)18.02s
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)1.85sTiempo de respuesta (máximo)1.97sTiempo de respuesta (total)3.71s
Específico del dominio
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)1.53sTiempo de respuesta (máximo)1.90sTiempo de respuesta (total)4.58s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.39sTiempo de respuesta (máximo)1.39sTiempo de respuesta (total)1.39s
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)1.43sTiempo de respuesta (máximo)1.45sTiempo de respuesta (total)2.87s
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)1.51sTiempo de respuesta (máximo)1.90sTiempo de respuesta (total)4.54s
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)4.91sTiempo de respuesta (máximo)4.91sTiempo de respuesta (total)4.91s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.06sTiempo de respuesta (máximo)2.06sTiempo de respuesta (total)2.06s
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)66.63sTiempo de respuesta (máximo)66.63sTiempo de respuesta (total)66.63s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.35sTiempo de respuesta (máximo)11.86sTiempo de respuesta (total)17.41s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)62.50sTiempo de respuesta (máximo)80.58sTiempo de respuesta (total)187.50s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)160.31sTiempo de respuesta (máximo)164.09sTiempo de respuesta (total)320.63s
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)4.56sTiempo de respuesta (máximo)8.91sTiempo de respuesta (total)9.12s
Específico del dominio
: 3.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)198.41sTiempo de respuesta (máximo)335.08sTiempo de respuesta (total)595.23s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.00sTiempo de respuesta (máximo)4.00sTiempo de respuesta (total)4.00s
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)7.64sTiempo de respuesta (máximo)11.30sTiempo de respuesta (total)15.29s
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)9.49sTiempo de respuesta (máximo)9.49sTiempo de respuesta (total)9.49s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)98.48sTiempo de respuesta (máximo)98.48sTiempo de respuesta (total)98.48s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 5Formato extra: 1Sin respuesta: 1Tiempo de respuesta (promedio)25.66sTiempo de respuesta (máximo)200.80sTiempo de respuesta (total)590.18s…
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)52.84sTiempo de respuesta (máximo)52.84sTiempo de respuesta (total)52.84s
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)1.89sTiempo de respuesta (máximo)2.10sTiempo de respuesta (total)7.55s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)14.96sTiempo de respuesta (máximo)23.42sTiempo de respuesta (total)44.89s
Combinado
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)27.93sTiempo de respuesta (máximo)48.23sTiempo de respuesta (total)55.85s
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)1.72sTiempo de respuesta (máximo)1.80sTiempo de respuesta (total)3.43s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo 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)2.04sTiempo de respuesta (máximo)2.05sTiempo de respuesta (total)4.08s
Resolución de acertijos
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.16sTiempo de respuesta (máximo)3.08sTiempo de respuesta (total)6.49s
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)4.33sTiempo de respuesta (máximo)4.33sTiempo de respuesta (total)4.33s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.23sTiempo de respuesta (máximo)4.23sTiempo de respuesta (total)4.23s
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)49.79sTiempo de respuesta (máximo)49.79sTiempo de respuesta (total)49.79s
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)2.86sTiempo de respuesta (máximo)4.29sTiempo de respuesta (total)11.43s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.21sTiempo de respuesta (máximo)7.13sTiempo de respuesta (total)15.62s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)15.23sTiempo de respuesta (máximo)25.12sTiempo de respuesta (total)30.45s
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)2.15sTiempo de respuesta (máximo)2.51sTiempo de respuesta (total)4.30s
Específico del dominio
: 3.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)8.96sTiempo de respuesta (máximo)10.79sTiempo de respuesta (total)26.89s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.68sTiempo de respuesta (máximo)2.68sTiempo de respuesta (total)2.68s
Seguimiento de instrucciones
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)2.87sTiempo de respuesta (máximo)4.54sTiempo de respuesta (total)5.75s
Resolución de acertijos
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)4.80sTiempo de respuesta (máximo)9.28sTiempo de respuesta (total)14.41s
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)3.29sTiempo de respuesta (máximo)3.29sTiempo de respuesta (total)3.29s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)24.54sTiempo de respuesta (máximo)24.54sTiempo de respuesta (total)24.54s
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)44.84sTiempo de respuesta (máximo)44.84sTiempo de respuesta (total)44.84s
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)3.20sTiempo de respuesta (máximo)5.23sTiempo de respuesta (total)12.79s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)12.46sTiempo de respuesta (máximo)15.19sTiempo de respuesta (total)37.37s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)20.27sTiempo de respuesta (máximo)32.51sTiempo de respuesta (total)40.54s
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)5.07sTiempo de respuesta (máximo)6.95sTiempo de respuesta (total)10.14s
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)54.31sTiempo de respuesta (máximo)79.28sTiempo de respuesta (total)162.92s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.35sTiempo de respuesta (máximo)3.35sTiempo de respuesta (total)3.35s
Seguimiento de instrucciones
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)3.85sTiempo de respuesta (máximo)5.90sTiempo de respuesta (total)7.69s
Resolución de acertijos
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)29.41sTiempo de respuesta (máximo)78.68sTiempo de respuesta (total)88.23s
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)4.57sTiempo de respuesta (máximo)4.57sTiempo de respuesta (total)4.57s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)25.72sTiempo de respuesta (máximo)25.72sTiempo de respuesta (total)25.72s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4Tiempo de respuesta (promedio)14.73sTiempo de respuesta (máximo)84.72sTiempo de respuesta (total)338.82s…
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)56.30sTiempo de respuesta (máximo)56.30sTiempo de respuesta (total)56.30s
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)3.77sTiempo de respuesta (máximo)4.99sTiempo de respuesta (total)15.09s
Programación
: 6.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)8.21sTiempo de respuesta (máximo)9.20sTiempo de respuesta (total)24.62s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)29.95sTiempo de respuesta (máximo)44.03sTiempo de respuesta (total)59.91s
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)4.68sTiempo de respuesta (máximo)5.36sTiempo de respuesta (total)9.37s
Específico del dominio
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)41.00sTiempo de respuesta (máximo)84.72sTiempo de respuesta (total)123.00s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.07sTiempo de respuesta (máximo)5.07sTiempo de respuesta (total)5.07s
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)5.04sTiempo de respuesta (máximo)5.61sTiempo de respuesta (total)10.08s
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)3.81sTiempo de respuesta (máximo)4.90sTiempo de respuesta (total)11.44s
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)16.71sTiempo de respuesta (máximo)16.71sTiempo de respuesta (total)16.71s
Cultura general
: 2.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.23sTiempo de respuesta (máximo)7.23sTiempo de respuesta (total)7.23s
Tendencias globales del benchmark
Descubre cómo los modelos actuales equilibran puntuación, costo, velocidad, longitud de salida y rendimiento por categoría.