Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)11.01sTiempo de respuesta (máximo)78.43sTiempo de respuesta (total)253.17s…
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)78.43sTiempo de respuesta (máximo)78.43sTiempo de respuesta (total)78.43s
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)5.04sTiempo de respuesta (máximo)7.91sTiempo de respuesta (total)20.15s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.82sTiempo de respuesta (máximo)10.13sTiempo de respuesta (total)23.45s
Combinado
: 6.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)29.35sTiempo de respuesta (máximo)43.41sTiempo de respuesta (total)58.71s
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)5.57sTiempo de respuesta (máximo)6.46sTiempo de respuesta (total)11.13s
Específico del dominio
: 5.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)4.79sTiempo de respuesta (máximo)7.79sTiempo de respuesta (total)14.36s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.27sTiempo de respuesta (máximo)4.27sTiempo de respuesta (total)4.27s
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)4.84sTiempo de respuesta (máximo)5.89sTiempo de respuesta (total)9.68s
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)5.12sTiempo de respuesta (máximo)6.31sTiempo de respuesta (total)15.36s
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)12.64sTiempo de respuesta (máximo)12.64sTiempo de respuesta (total)12.64s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.99sTiempo de respuesta (máximo)4.99sTiempo de respuesta (total)4.99s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4Tiempo de respuesta (promedio)9.87sTiempo de respuesta (máximo)73.15sTiempo de respuesta (total)226.95s…
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)73.15sTiempo de respuesta (máximo)73.15sTiempo de respuesta (total)73.15s
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)4.32sTiempo de respuesta (máximo)6.83sTiempo de respuesta (total)17.28s
Programación
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.70sTiempo de respuesta (máximo)7.45sTiempo de respuesta (total)20.10s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)21.05sTiempo de respuesta (máximo)30.67sTiempo 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)3.69sTiempo de respuesta (máximo)3.85sTiempo de respuesta (total)7.38s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)8.91sTiempo de respuesta (máximo)12.08sTiempo de respuesta (total)26.73s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.76sTiempo de respuesta (máximo)3.76sTiempo de respuesta (total)3.76s
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)4.13sTiempo de respuesta (máximo)4.27sTiempo de respuesta (total)8.26s
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)4.23sTiempo de respuesta (máximo)5.55sTiempo de respuesta (total)12.69s
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)9.03sTiempo de respuesta (máximo)9.03sTiempo de respuesta (total)9.03s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.48sTiempo de respuesta (máximo)6.48sTiempo de respuesta (total)6.48s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4Tiempo de respuesta (promedio)6.63sTiempo de respuesta (máximo)62.49sTiempo de respuesta (total)152.50s…
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)62.49sTiempo de respuesta (máximo)62.49sTiempo de respuesta (total)62.49s
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)2.29sTiempo de respuesta (máximo)2.70sTiempo de respuesta (total)9.17s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.86sTiempo de respuesta (máximo)8.35sTiempo de respuesta (total)14.59s
Combinado
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)15.06sTiempo de respuesta (máximo)22.25sTiempo de respuesta (total)30.12s
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)2.39sTiempo de respuesta (máximo)2.57sTiempo de respuesta (total)4.77s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)2.44sTiempo de respuesta (máximo)3.71sTiempo de respuesta (total)7.33s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.40sTiempo de respuesta (máximo)2.40sTiempo de respuesta (total)2.40s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.71sTiempo de respuesta (máximo)2.99sTiempo de respuesta (total)5.42s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.10sTiempo de respuesta (máximo)2.19sTiempo de respuesta (total)6.29s
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)8.01sTiempo de respuesta (máximo)8.01sTiempo de respuesta (total)8.01s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.91sTiempo de respuesta (máximo)1.91sTiempo de respuesta (total)1.91s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 5Tiempo de respuesta (promedio)11.92sTiempo de respuesta (máximo)53.09sTiempo de respuesta (total)274.14s…
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)53.09sTiempo de respuesta (máximo)53.09sTiempo de respuesta (total)53.09s
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)2.96sTiempo de respuesta (máximo)5.00sTiempo de respuesta (total)11.83s
Programación
: 8.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)16.58sTiempo de respuesta (máximo)28.69sTiempo de respuesta (total)49.74s
Combinado
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)27.90sTiempo de respuesta (máximo)34.63sTiempo de respuesta (total)55.80s
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)3.17sTiempo de respuesta (máximo)3.27sTiempo de respuesta (total)6.35s
Específico del dominio
: 3.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)23.14sTiempo de respuesta (máximo)36.22sTiempo de respuesta (total)69.43s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.10sTiempo de respuesta (máximo)3.10sTiempo de respuesta (total)3.10s
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)2.16sTiempo de respuesta (máximo)2.17sTiempo de respuesta (total)4.31s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.09sTiempo de respuesta (máximo)2.91sTiempo de respuesta (total)6.26s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.55sTiempo de respuesta (máximo)4.55sTiempo de respuesta (total)4.55s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)9.68sTiempo de respuesta (máximo)9.68sTiempo de respuesta (total)9.68s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 4Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)103.37sTiempo de respuesta (máximo)473.48sTiempo de respuesta (total)2377.50s…
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)66.71sTiempo de respuesta (máximo)66.71sTiempo de respuesta (total)66.71s
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)2.68sTiempo de respuesta (máximo)4.08sTiempo de respuesta (total)10.73s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)97.26sTiempo de respuesta (máximo)114.04sTiempo de respuesta (total)291.77s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)182.42sTiempo de respuesta (máximo)349.50sTiempo de respuesta (total)364.83s
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)5.19sTiempo de respuesta (máximo)6.57sTiempo de respuesta (total)10.39s
Específico del dominio
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 3Tiempo de respuesta (promedio)460.57sTiempo de respuesta (máximo)473.48sTiempo de respuesta (total)1381.70s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.03sTiempo de respuesta (máximo)4.03sTiempo de respuesta (total)4.03s
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)2.47sTiempo de respuesta (máximo)2.79sTiempo de respuesta (total)4.95s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.95sTiempo de respuesta (máximo)3.32sTiempo de respuesta (total)8.86s
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)6.43sTiempo de respuesta (máximo)6.43sTiempo de respuesta (total)6.43s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)227.09sTiempo de respuesta (máximo)227.09sTiempo de respuesta (total)227.09s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)39.83sTiempo de respuesta (máximo)219.77sTiempo de respuesta (total)916.20s…
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)67.61sTiempo de respuesta (máximo)67.61sTiempo de respuesta (total)67.61s
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)5.83sTiempo de respuesta (máximo)8.75sTiempo de respuesta (total)23.33s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)41.14sTiempo de respuesta (máximo)51.03sTiempo de respuesta (total)123.42s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)34.71sTiempo de respuesta (máximo)50.45sTiempo de respuesta (total)69.41s
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)8.75sTiempo de respuesta (máximo)12.36sTiempo de respuesta (total)17.50s
Específico del dominio
: 3.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)132.33sTiempo de respuesta (máximo)219.77sTiempo de respuesta (total)397.00s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.95sTiempo de respuesta (máximo)7.95sTiempo de respuesta (total)7.95s
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)10.49sTiempo de respuesta (máximo)11.42sTiempo de respuesta (total)20.99s
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)25.03sTiempo de respuesta (máximo)61.30sTiempo de respuesta (total)75.09s
Llamada de herramientas
: 9.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)28.30sTiempo de respuesta (máximo)28.30sTiempo de respuesta (total)28.30s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)85.61sTiempo de respuesta (máximo)85.61sTiempo de respuesta (total)85.61s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 5Tiempo de respuesta (promedio)30.42sTiempo de respuesta (máximo)168.09sTiempo de respuesta (total)699.68s…
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)127.50sTiempo de respuesta (máximo)127.50sTiempo de respuesta (total)127.50s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.03sTiempo de respuesta (máximo)8.44sTiempo de respuesta (total)20.13s
Programación
: 8.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)45.74sTiempo de respuesta (máximo)71.38sTiempo de respuesta (total)137.23s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)94.38sTiempo de respuesta (máximo)168.09sTiempo de respuesta (total)188.77s
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)10.54sTiempo de respuesta (máximo)11.98sTiempo de respuesta (total)21.08s
Específico del dominio
: 3.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)49.45sTiempo de respuesta (máximo)72.93sTiempo de respuesta (total)148.35s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.56sTiempo de respuesta (máximo)7.56sTiempo de respuesta (total)7.56s
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)4.24sTiempo de respuesta (máximo)4.90sTiempo de respuesta (total)8.48s
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)5.89sTiempo de respuesta (máximo)7.13sTiempo de respuesta (total)17.66s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.93sTiempo de respuesta (máximo)5.93sTiempo de respuesta (total)5.93s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)17.01sTiempo de respuesta (máximo)17.01sTiempo de respuesta (total)17.01s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)73.89sTiempo de respuesta (máximo)73.89sTiempo de respuesta (total)73.89s
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)2.92sTiempo de respuesta (máximo)4.34sTiempo de respuesta (total)11.66s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)49.24sTiempo de respuesta (máximo)93.22sTiempo de respuesta (total)147.72s
Combinado
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)87.71sTiempo de respuesta (máximo)153.90sTiempo de respuesta (total)175.42s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.20sTiempo de respuesta (máximo)6.64sTiempo de respuesta (total)12.40s
Específico del dominio
: 5.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)170.88sTiempo de respuesta (máximo)230.46sTiempo de respuesta (total)512.64s
Inteligencia general
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)5.73sTiempo de respuesta (máximo)5.73sTiempo de respuesta (total)5.73s
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)3.89sTiempo de respuesta (máximo)4.87sTiempo de respuesta (total)7.78s
Resolución de acertijos
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)4.22sTiempo de respuesta (máximo)7.11sTiempo de respuesta (total)12.67s
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)7.07sTiempo de respuesta (máximo)7.07sTiempo de respuesta (total)7.07s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)97.58sTiempo de respuesta (máximo)97.58sTiempo de respuesta (total)97.58s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)7.85sTiempo de respuesta (máximo)53.74sTiempo de respuesta (total)180.45s…
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)53.74sTiempo de respuesta (máximo)53.74sTiempo de respuesta (total)53.74s
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)2.52sTiempo de respuesta (máximo)5.40sTiempo de respuesta (total)10.08s
Programación
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.71sTiempo de respuesta (máximo)9.05sTiempo de respuesta (total)20.13s
Combinado
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)29.99sTiempo de respuesta (máximo)53.55sTiempo de respuesta (total)59.98s
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)1.81sTiempo de respuesta (máximo)2.32sTiempo de respuesta (total)3.63s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)4.89sTiempo de respuesta (máximo)6.40sTiempo de respuesta (total)14.68s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.27sTiempo de respuesta (máximo)2.27sTiempo de respuesta (total)2.27s
Seguimiento de instrucciones
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.86sTiempo de respuesta (máximo)2.10sTiempo de respuesta (total)3.73s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.35sTiempo de respuesta (máximo)3.25sTiempo de respuesta (total)7.06s
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)3.27sTiempo de respuesta (máximo)3.27sTiempo de respuesta (total)3.27s
Cultura general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.88sTiempo de respuesta (máximo)1.88sTiempo de respuesta (total)1.88s
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)84.28sTiempo de respuesta (máximo)84.28sTiempo de respuesta (total)84.28s
Trucos anti-IA
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Tiempo de respuesta (promedio)20.08sTiempo de respuesta (máximo)33.08sTiempo de respuesta (total)80.34s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)51.43sTiempo de respuesta (máximo)112.35sTiempo de respuesta (total)154.28s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)133.96sTiempo de respuesta (máximo)223.43sTiempo de respuesta (total)267.93s
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)16.36sTiempo de respuesta (máximo)31.22sTiempo de respuesta (total)32.72s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.26sTiempo de respuesta (máximo)7.26sTiempo de respuesta (total)7.26s
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)23.45sTiempo de respuesta (máximo)23.65sTiempo de respuesta (total)46.90s
Resolución de acertijos
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)112.47sTiempo de respuesta (máximo)313.11sTiempo de respuesta (total)337.41s
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)5.06sTiempo de respuesta (máximo)5.06sTiempo de respuesta (total)5.06s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)83.89sTiempo de respuesta (máximo)83.89sTiempo de respuesta (total)83.89s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 2Respuesta incorrecta: 2Tiempo de respuesta (promedio)23.79sTiempo de respuesta (máximo)98.19sTiempo de respuesta (total)547.07s…
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)73.28sTiempo de respuesta (máximo)73.28sTiempo de respuesta (total)73.28s
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)3.51sTiempo de respuesta (máximo)4.58sTiempo de respuesta (total)14.05s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)19.18sTiempo de respuesta (máximo)29.36sTiempo de respuesta (total)57.55s
Combinado
: 4.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 2Tiempo de respuesta (promedio)68.35sTiempo de respuesta (máximo)72.19sTiempo de respuesta (total)136.69s
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)4.99sTiempo de respuesta (máximo)5.12sTiempo de respuesta (total)9.98s
Específico del dominio
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)69.17sTiempo de respuesta (máximo)98.19sTiempo de respuesta (total)207.50s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.24sTiempo de respuesta (máximo)6.24sTiempo de respuesta (total)6.24s
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)5.54sTiempo de respuesta (máximo)8.22sTiempo de respuesta (total)11.09s
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)3.19sTiempo de respuesta (máximo)3.68sTiempo de respuesta (total)9.56s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)13.26sTiempo de respuesta (máximo)13.26sTiempo de respuesta (total)13.26s
Cultura general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.88sTiempo de respuesta (máximo)7.88sTiempo de respuesta (total)7.88s
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)44.60sTiempo de respuesta (máximo)44.60sTiempo de respuesta (total)44.60s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.92sTiempo de respuesta (máximo)2.53sTiempo de respuesta (total)7.67s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)21.73sTiempo de respuesta (máximo)43.60sTiempo de respuesta (total)65.18s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)17.86sTiempo de respuesta (máximo)30.09sTiempo de respuesta (total)35.72s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.22sTiempo de respuesta (máximo)2.59sTiempo de respuesta (total)4.44s
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)85.62sTiempo de respuesta (máximo)173.97sTiempo de respuesta (total)256.86s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.92sTiempo de respuesta (máximo)2.92sTiempo de respuesta (total)2.92s
Seguimiento de instrucciones
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.55sTiempo de respuesta (máximo)1.61sTiempo de respuesta (total)3.10s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.47sTiempo de respuesta (máximo)2.47sTiempo de respuesta (total)2.47s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.87sTiempo de respuesta (máximo)4.87sTiempo de respuesta (total)4.87s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4Tiempo de respuesta (promedio)9.78sTiempo de respuesta (máximo)52.36sTiempo de respuesta (total)224.98s…
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)52.36sTiempo de respuesta (máximo)52.36sTiempo de respuesta (total)52.36s
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)3.27sTiempo de respuesta (máximo)4.14sTiempo de respuesta (total)13.07s
Programación
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)8.02sTiempo de respuesta (máximo)8.49sTiempo de respuesta (total)24.07s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)20.73sTiempo de respuesta (máximo)28.99sTiempo de respuesta (total)41.46s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.03sTiempo de respuesta (máximo)4.12sTiempo de respuesta (total)8.05s
Específico del dominio
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)15.22sTiempo de respuesta (máximo)18.90sTiempo de respuesta (total)45.66s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.47sTiempo de respuesta (máximo)3.47sTiempo de respuesta (total)3.47s
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)3.56sTiempo de respuesta (máximo)3.96sTiempo de respuesta (total)7.12s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.46sTiempo de respuesta (máximo)4.20sTiempo de respuesta (total)10.39s
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)12.87sTiempo de respuesta (máximo)12.87sTiempo de respuesta (total)12.87s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.46sTiempo de respuesta (máximo)6.46sTiempo de respuesta (total)6.46s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 3Respuesta incorrecta: 3Tiempo de respuesta (promedio)7.72sTiempo de respuesta (máximo)42.89sTiempo de respuesta (total)177.57s…
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)42.89sTiempo de respuesta (máximo)42.89sTiempo de respuesta (total)42.89s
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)2.94sTiempo de respuesta (máximo)4.27sTiempo de respuesta (total)11.75s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.86sTiempo de respuesta (máximo)8.22sTiempo de respuesta (total)20.59s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)16.14sTiempo de respuesta (máximo)19.34sTiempo de respuesta (total)32.28s
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)3.31sTiempo de respuesta (máximo)3.56sTiempo de respuesta (total)6.63s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)15.00sTiempo de respuesta (máximo)17.97sTiempo de respuesta (total)44.99s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.57sTiempo de respuesta (máximo)2.57sTiempo de respuesta (total)2.57s
Seguimiento de instrucciones
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)1.39sTiempo de respuesta (máximo)2.22sTiempo de respuesta (total)2.78s
Resolución de acertijos
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 2Tiempo de respuesta (promedio)1.36sTiempo de respuesta (máximo)2.47sTiempo de respuesta (total)4.07s
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)4.86sTiempo de respuesta (máximo)4.86sTiempo de respuesta (total)4.86s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.17sTiempo de respuesta (máximo)4.17sTiempo de respuesta (total)4.17s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)33.47sTiempo de respuesta (máximo)143.33sTiempo de respuesta (total)769.84s…
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)76.54sTiempo de respuesta (máximo)76.54sTiempo de respuesta (total)76.54s
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)6.39sTiempo de respuesta (máximo)6.78sTiempo de respuesta (total)25.58s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)50.12sTiempo de respuesta (máximo)71.69sTiempo de respuesta (total)150.35s
Combinado
: 7.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)53.54sTiempo de respuesta (máximo)97.74sTiempo de respuesta (total)107.07s
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)2.57sTiempo de respuesta (máximo)2.78sTiempo de respuesta (total)5.15s
Específico del dominio
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)98.85sTiempo de respuesta (máximo)143.33sTiempo de respuesta (total)296.55s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)8.63sTiempo de respuesta (máximo)8.63sTiempo de respuesta (total)8.63s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.95sTiempo de respuesta (máximo)7.27sTiempo de respuesta (total)9.91s
Resolución de acertijos
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)18.24sTiempo de respuesta (máximo)23.48sTiempo de respuesta (total)54.71s
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
: 2.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)32.07sTiempo de respuesta (máximo)32.07sTiempo de respuesta (total)32.07s
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)94.84sTiempo de respuesta (máximo)94.84sTiempo de respuesta (total)94.84s
Trucos anti-IA
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)47.01sTiempo de respuesta (máximo)84.42sTiempo de respuesta (total)188.05s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)336.02sTiempo de respuesta (máximo)436.54sTiempo de respuesta (total)1008.06s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)408.85sTiempo de respuesta (máximo)441.41sTiempo de respuesta (total)817.69s
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)33.70sTiempo de respuesta (máximo)50.78sTiempo de respuesta (total)67.39s
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)506.22sTiempo de respuesta (máximo)584.71sTiempo de respuesta (total)1518.67s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)25.69sTiempo de respuesta (máximo)25.69sTiempo de respuesta (total)25.69s
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)7.66sTiempo de respuesta (máximo)9.33sTiempo de respuesta (total)15.32s
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)27.26sTiempo de respuesta (máximo)49.35sTiempo de respuesta (total)81.77s
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)25.97sTiempo de respuesta (máximo)25.97sTiempo de respuesta (total)25.97s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)78.58sTiempo de respuesta (máximo)78.58sTiempo de respuesta (total)78.58s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4Error de API: 2Tiempo de respuesta (promedio)16.00sTiempo de respuesta (máximo)83.98sTiempo de respuesta (total)367.91s…
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)44.57sTiempo de respuesta (máximo)44.57sTiempo de respuesta (total)44.57s
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)4.37sTiempo de respuesta (máximo)5.88sTiempo de respuesta (total)17.49s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)17.81sTiempo de respuesta (máximo)30.18sTiempo de respuesta (total)53.44s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)24.68sTiempo de respuesta (máximo)25.24sTiempo de respuesta (total)49.37s
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)4.27sTiempo de respuesta (máximo)4.55sTiempo de respuesta (total)8.54s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)51.40sTiempo de respuesta (máximo)83.98sTiempo de respuesta (total)154.20s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.94sTiempo de respuesta (máximo)3.94sTiempo de respuesta (total)3.94s
Seguimiento de instrucciones
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)2.08sTiempo de respuesta (máximo)3.67sTiempo de respuesta (total)4.15s
Resolución de acertijos
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)5.08sTiempo de respuesta (máximo)8.45sTiempo de respuesta (total)15.24s
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)8.75sTiempo de respuesta (máximo)8.75sTiempo de respuesta (total)8.75s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)8.23sTiempo de respuesta (máximo)8.23sTiempo de respuesta (total)8.23s
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)61.28sTiempo de respuesta (máximo)61.28sTiempo de respuesta (total)61.28s
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)5.71sTiempo de respuesta (máximo)7.10sTiempo de respuesta (total)22.85s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)51.66sTiempo de respuesta (máximo)60.27sTiempo de respuesta (total)154.98s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)55.55sTiempo de respuesta (máximo)80.16sTiempo de respuesta (total)111.10s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.01sTiempo de respuesta (máximo)7.41sTiempo de respuesta (total)14.02s
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)174.56sTiempo de respuesta (máximo)251.53sTiempo de respuesta (total)523.68s
Inteligencia general
: 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
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)14.70sTiempo de respuesta (máximo)24.06sTiempo de respuesta (total)29.41s
Resolución de acertijos
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)38.42sTiempo de respuesta (máximo)100.24sTiempo de respuesta (total)115.25s
Llamada de herramientas
: 9.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)33.95sTiempo de respuesta (máximo)33.95sTiempo de respuesta (total)33.95s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)140.05sTiempo de respuesta (máximo)140.05sTiempo de respuesta (total)140.05s
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)62.72sTiempo de respuesta (máximo)62.72sTiempo de respuesta (total)62.72s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.88sTiempo de respuesta (máximo)3.40sTiempo de respuesta (total)11.53s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)13.13sTiempo de respuesta (máximo)19.82sTiempo de respuesta (total)39.38s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)38.95sTiempo de respuesta (máximo)55.34sTiempo de respuesta (total)77.89s
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)3.65sTiempo de respuesta (máximo)3.86sTiempo de respuesta (total)7.30s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)47.83sTiempo de respuesta (máximo)92.74sTiempo de respuesta (total)143.50s
Inteligencia general
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)9.80sTiempo de respuesta (máximo)9.80sTiempo de respuesta (total)9.80s
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)3.34sTiempo de respuesta (máximo)3.64sTiempo de respuesta (total)6.68s
Resolución de acertijos
: 7.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)3.80sTiempo de respuesta (máximo)5.83sTiempo de respuesta (total)11.40s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.42sTiempo de respuesta (máximo)6.42sTiempo de respuesta (total)6.42s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)4.79sTiempo de respuesta (máximo)4.79sTiempo de respuesta (total)4.79s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4No siguió las instrucciones: 2Tiempo de respuesta (promedio)18.87sTiempo de respuesta (máximo)100.93sTiempo de respuesta (total)433.94s…
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)61.91sTiempo de respuesta (máximo)61.91sTiempo de respuesta (total)61.91s
Trucos anti-IA
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.16sTiempo de respuesta (máximo)6.68sTiempo de respuesta (total)16.63s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)19.50sTiempo de respuesta (máximo)27.96sTiempo de respuesta (total)58.49s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)26.04sTiempo de respuesta (máximo)32.53sTiempo de respuesta (total)52.08s
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)3.07sTiempo de respuesta (máximo)3.59sTiempo de respuesta (total)6.15s
Específico del dominio
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)63.93sTiempo de respuesta (máximo)100.93sTiempo de respuesta (total)191.78s
Inteligencia general
: 4.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)4.87sTiempo de respuesta (máximo)4.87sTiempo de respuesta (total)4.87s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.04sTiempo de respuesta (máximo)3.44sTiempo de respuesta (total)6.07s
Resolución de acertijos
: 9.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)5.05sTiempo de respuesta (máximo)8.73sTiempo de respuesta (total)15.15s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.37sTiempo de respuesta (máximo)6.37sTiempo de respuesta (total)6.37s
Cultura general
: 2.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)14.43sTiempo de respuesta (máximo)14.43sTiempo de respuesta (total)14.43s
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)197.08sTiempo de respuesta (máximo)197.08sTiempo de respuesta (total)197.08s
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)15.86sTiempo de respuesta (máximo)43.91sTiempo de respuesta (total)63.42s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)253.22sTiempo de respuesta (máximo)465.35sTiempo de respuesta (total)759.66s
Combinado
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)110.39sTiempo de respuesta (máximo)193.76sTiempo de respuesta (total)220.77s
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)16.37sTiempo de respuesta (máximo)21.48sTiempo de respuesta (total)32.74s
Específico del dominio
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Tiempo agotado: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)658.46sTiempo de respuesta (máximo)912.78sTiempo de respuesta (total)1975.38s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)75.11sTiempo de respuesta (máximo)75.11sTiempo de respuesta (total)75.11s
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)7.55sTiempo de respuesta (máximo)8.10sTiempo de respuesta (total)15.11s
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)134.14sTiempo de respuesta (máximo)355.52sTiempo de respuesta (total)402.43s
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)5.21sTiempo de respuesta (máximo)5.21sTiempo de respuesta (total)5.21s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)532.59sTiempo de respuesta (máximo)532.59sTiempo de respuesta (total)532.59s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 2Respuesta incorrecta: 1Tiempo de respuesta (promedio)38.78sTiempo de respuesta (máximo)206.61sTiempo de respuesta (total)892.02s…
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)155.77sTiempo de respuesta (máximo)155.77sTiempo de respuesta (total)155.77s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.33sTiempo de respuesta (máximo)7.98sTiempo de respuesta (total)25.31s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)29.67sTiempo de respuesta (máximo)37.56sTiempo de respuesta (total)89.01s
Combinado
: 4.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 2Tiempo de respuesta (promedio)139.49sTiempo de respuesta (máximo)206.61sTiempo de respuesta (total)278.99s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.42sTiempo de respuesta (máximo)7.02sTiempo de respuesta (total)12.83s
Específico del dominio
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)82.49sTiempo de respuesta (máximo)113.77sTiempo de respuesta (total)247.47s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)11.27sTiempo de respuesta (máximo)11.27sTiempo de respuesta (total)11.27s
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)4.80sTiempo de respuesta (máximo)4.92sTiempo de respuesta (total)9.61s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)8.73sTiempo de respuesta (máximo)9.87sTiempo de respuesta (total)26.20s
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)25.10sTiempo de respuesta (máximo)25.10sTiempo de respuesta (total)25.10s
Cultura general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)10.47sTiempo de respuesta (máximo)10.47sTiempo de respuesta (total)10.47s
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)103.09sTiempo de respuesta (máximo)103.09sTiempo de respuesta (total)103.09s
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)6.98sTiempo de respuesta (máximo)7.77sTiempo de respuesta (total)27.91s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)86.90sTiempo de respuesta (máximo)142.17sTiempo de respuesta (total)260.70s
Combinado
: 5.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 2Tiempo de respuesta (promedio)332.59sTiempo de respuesta (máximo)379.79sTiempo de respuesta (total)665.17s
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)16.34sTiempo de respuesta (máximo)17.90sTiempo de respuesta (total)32.68s
Específico del dominio
: 7.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)267.57sTiempo de respuesta (máximo)325.33sTiempo de respuesta (total)802.71s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)9.66sTiempo de respuesta (máximo)9.66sTiempo de respuesta (total)9.66s
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)19.81sTiempo de respuesta (máximo)30.57sTiempo de respuesta (total)39.62s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)8.37sTiempo de respuesta (máximo)9.88sTiempo de respuesta (total)25.10s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)74.83sTiempo de respuesta (máximo)74.83sTiempo de respuesta (total)74.83s
Cultura general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)26.65sTiempo de respuesta (máximo)26.65sTiempo de respuesta (total)26.65s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)46.67sTiempo de respuesta (máximo)46.67sTiempo de respuesta (total)46.67s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.02sTiempo de respuesta (máximo)3.82sTiempo de respuesta (total)8.08s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)27.01sTiempo de respuesta (máximo)49.86sTiempo de respuesta (total)81.03s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)18.73sTiempo de respuesta (máximo)30.18sTiempo de respuesta (total)37.45s
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)1.71sTiempo de respuesta (máximo)1.78sTiempo de respuesta (total)3.43s
Específico del dominio
: 3.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Sin respuesta: 1Tiempo de respuesta (promedio)174.63sTiempo de respuesta (máximo)443.63sTiempo de respuesta (total)523.89s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.25sTiempo de respuesta (máximo)2.25sTiempo de respuesta (total)2.25s
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)1.25sTiempo de respuesta (máximo)1.30sTiempo de respuesta (total)2.51s
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)1.92sTiempo de respuesta (máximo)1.92sTiempo de respuesta (total)1.92s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)33.79sTiempo de respuesta (máximo)33.79sTiempo de respuesta (total)33.79s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)27.34sTiempo de respuesta (máximo)126.60sTiempo de respuesta (total)628.75s…
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)115.27sTiempo de respuesta (máximo)115.27sTiempo de respuesta (total)115.27s
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)4.17sTiempo de respuesta (máximo)6.30sTiempo de respuesta (total)16.69s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)41.35sTiempo de respuesta (máximo)74.36sTiempo de respuesta (total)124.04s
Combinado
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)91.25sTiempo de respuesta (máximo)126.60sTiempo de respuesta (total)182.50s
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)8.72sTiempo de respuesta (máximo)9.59sTiempo de respuesta (total)17.44s
Específico del dominio
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)41.77sTiempo de respuesta (máximo)49.58sTiempo de respuesta (total)125.30s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.41sTiempo de respuesta (máximo)6.41sTiempo de respuesta (total)6.41s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.49sTiempo de respuesta (máximo)4.45sTiempo de respuesta (total)6.98s
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)4.93sTiempo de respuesta (máximo)6.68sTiempo de respuesta (total)14.79s
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)7.83sTiempo de respuesta (máximo)7.83sTiempo de respuesta (total)7.83s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)11.49sTiempo de respuesta (máximo)11.49sTiempo de respuesta (total)11.49s
Tendencias globales del benchmark
Descubre cómo los modelos actuales equilibran puntuación, costo, velocidad, longitud de salida y rendimiento por categoría.