Leaderboard de AI Benchy

Name: Resultados de benchmark de modelos de AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-18 Modelos evaluados: 206

206/206

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#88#88	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.95s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 3 Tokens de entrada 104,210 Tokens de salida 10,710 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.95s Tiempo de respuesta (total) 44.26s Tiempo de respuesta (máximo) 21.19s Respuesta incorrecta: 8 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#179#179	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 21.2% Pruebas inestables 2 Tokens de entrada 29,828 Tokens de salida 2,169 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.98s Tiempo de respuesta (total) 56.57s Tiempo de respuesta (máximo) 14.34s Respuesta incorrecta: 12 No siguió las instrucciones: 3 Error de API: 2 Trucos anti-IA : 3.1 Programación : 3.7 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.5 Seguimiento de instrucciones : 3.5 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#141#141	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 36.4% Pruebas inestables 0 Tokens de entrada 37,100 Tokens de salida 1,766 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.99s Tiempo de respuesta (total) 62.74s Tiempo de respuesta (máximo) 6.51s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#92#92	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 0 Tokens de entrada 69,576 Tokens de salida 6,265 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.02s Tiempo de respuesta (total) 57.44s Tiempo de respuesta (máximo) 18.27s Respuesta incorrecta: 3 Trucos anti-IA : 8.3 Programación : 3.3 Combinado : 4.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#160#160	Inklingnone	5.2	Thinkingmachines	$0.147	3.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 9.9 Tasa de aciertos por intento 28.8% Pruebas inestables 1 Tokens de entrada 104,111 Tokens de salida 10,551 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.50s Tiempo de respuesta (total) 77.09s Tiempo de respuesta (máximo) 48.02s Respuesta incorrecta: 13 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 4.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.6 Llamada de herramientas : 3.0 Cultura general : 3.0
#120#120	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.74s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 1 Tokens de entrada 139,788 Tokens de salida 30,947 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.74s Tiempo de respuesta (total) 82.38s Tiempo de respuesta (máximo) 48.79s Respuesta incorrecta: 12 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 3.1 Programación : 5.4 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#125#125	Nemotron 3 Ultranone	6.1	NVIDIA	$0.095 ↕	3.87s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 42.4% Pruebas inestables 2 Tokens de entrada 101,275 Tokens de salida 9,474 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.87s Tiempo de respuesta (total) 85.15s Tiempo de respuesta (máximo) 37.50s Respuesta incorrecta: 12 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#137#137	GLM 5none	5.7	Z.ai	$0.042 ↑	4.03s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 42.4% Pruebas inestables 1 Tokens de entrada 37,135 Tokens de salida 1,989 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.03s Tiempo de respuesta (total) 56.37s Tiempo de respuesta (máximo) 11.07s Respuesta incorrecta: 12 Trucos anti-IA : 4.8 Programación : 4.0 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#150#150	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.068 ↓	4.12s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 37.9% Pruebas inestables 4 Tokens de entrada 124,799 Tokens de salida 15,362 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.12s Tiempo de respuesta (total) 90.55s Tiempo de respuesta (máximo) 53.13s Respuesta incorrecta: 11 No siguió las instrucciones: 4 Sin respuesta: 1 Trucos anti-IA : 3.3 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#64#64	Gemini 3.1 Flash Litemedium	7.3	Google	$0.117	4.27s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 2 Tokens de entrada 104,918 Tokens de salida 9,168 Tokens de razonamiento 51,130 Tiempo de respuesta (promedio) 4.27s Tiempo de respuesta (total) 94.02s Tiempo de respuesta (máximo) 26.22s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#112#112	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.40s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 4 Tokens de entrada 142,197 Tokens de salida 14,746 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.40s Tiempo de respuesta (total) 96.84s Tiempo de respuesta (máximo) 44.58s Respuesta incorrecta: 13 Sin respuesta: 1 Trucos anti-IA : 3.0 Programación : 5.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#59#59	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.9 Tasa de aciertos por intento 68.2% Pruebas inestables 0 Tokens de entrada 95,983 Tokens de salida 12,446 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.52s Tiempo de respuesta (total) 99.52s Tiempo de respuesta (máximo) 72.30s Respuesta incorrecta: 7 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#63#63	Gemini 3.1 Flash Lite Previewmedium	7.3	Google	$0.115	4.61s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 0 Tokens de entrada 117,480 Tokens de salida 10,589 Tokens de razonamiento 46,394 Tiempo de respuesta (promedio) 4.61s Tiempo de respuesta (total) 101.39s Tiempo de respuesta (máximo) 18.34s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#164#164	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 25.8% Pruebas inestables 1 Tokens de entrada 141,043 Tokens de salida 16,464 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.62s Tiempo de respuesta (total) 101.57s Tiempo de respuesta (máximo) 55.36s Respuesta incorrecta: 14 Formato extra: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#192#192	Hunter Alphanone	4.2	OpenRouter	$0.000	4.70s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 37.9% Pruebas inestables 4 Tokens de entrada 34,329 Tokens de salida 2,264 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.70s Tiempo de respuesta (total) 79.86s Tiempo de respuesta (máximo) 15.17s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Error de API: 1 Trucos anti-IA : 3.5 Programación : 9.8 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 5.8 Llamada de herramientas : 10.0 Cultura general : 0.0
#100#100	Qwen3.5-27Bnone	6.5	Qwen	$0.090 ↑	4.76s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 40.9% Pruebas inestables 2 Tokens de entrada 102,316 Tokens de salida 24,321 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.76s Tiempo de respuesta (total) 104.71s Tiempo de respuesta (máximo) 69.46s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 5.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#65#65	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.91s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 149,206 Tokens de salida 16,797 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.91s Tiempo de respuesta (total) 108.03s Tiempo de respuesta (máximo) 35.03s Respuesta incorrecta: 4 Formato extra: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 9.8 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#113#113	GPT-5.6 Lunalow	6.2	OpenAI	$0.249	5.04s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 56.1% Pruebas inestables 5 Tokens de entrada 96,346 Tokens de salida 8,211 Tokens de razonamiento 17,227 Tiempo de respuesta (promedio) 5.04s Tiempo de respuesta (total) 110.88s Tiempo de respuesta (máximo) 19.44s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 2.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#119#119	Inklinglow	6.1	Thinkingmachines	$0.187	5.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 9.9 Tasa de aciertos por intento 54.6% Pruebas inestables 4 Tokens de entrada 109,884 Tokens de salida 8,579 Tokens de razonamiento 10,343 Tiempo de respuesta (promedio) 5.15s Tiempo de respuesta (total) 113.39s Tiempo de respuesta (máximo) 41.58s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 8.3 Programación : 5.1 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#55#55	GPT-5.6 Terralow	7.5	OpenAI	$0.519	5.31s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 6 Tokens de entrada 80,295 Tokens de salida 4,714 Tokens de razonamiento 16,469 Tiempo de respuesta (promedio) 5.31s Tiempo de respuesta (total) 116.82s Tiempo de respuesta (máximo) 19.85s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 6.6 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 4.7 Cultura general : 3.0
#111#111	Gemma 4 31Bnone	6.2	Google	$0.021 ↓	5.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 48.5% Pruebas inestables 1 Tokens de entrada 125,728 Tokens de salida 13,317 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.34s Tiempo de respuesta (total) 106.82s Tiempo de respuesta (máximo) 29.95s Respuesta incorrecta: 9 Error de API: 2 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 6.5 Llamada de herramientas : 3.0 Cultura general : 3.0
#157#157	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.061 ↑	5.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 31.8% Pruebas inestables 6 Tokens de entrada 93,979 Tokens de salida 46,957 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.52s Tiempo de respuesta (total) 110.40s Tiempo de respuesta (máximo) 39.54s Respuesta incorrecta: 13 Error de API: 2 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 3.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#11#11	Gemini 3.5 Flashlow	8.9	Google	$0.433	5.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 87.9% Pruebas inestables 1 Tokens de entrada 87,817 Tokens de salida 2,239 Tokens de razonamiento 31,182 Tiempo de respuesta (promedio) 5.55s Tiempo de respuesta (total) 122.19s Tiempo de respuesta (máximo) 53.55s Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#173#173	Nemotron 3 Supernone	4.9	NVIDIA	$0.017 ↑	5.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 8.5 Tasa de aciertos por intento 30.3% Pruebas inestables 3 Tokens de entrada 63,519 Tokens de salida 6,434 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.97s Tiempo de respuesta (total) 131.31s Tiempo de respuesta (máximo) 20.00s Respuesta incorrecta: 15 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 3.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#108#108	Claude Sonnet 5none	6.3	Anthropic	$0.548	6.04s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 4 Tokens de entrada 161,035 Tokens de salida 22,511 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.04s Tiempo de respuesta (total) 132.85s Tiempo de respuesta (máximo) 33.39s Respuesta incorrecta: 7 Formato extra: 4 Sin respuesta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 5.3 Programación : 4.6 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#114#114	Gemini 2.5 Flashnone	6.2	Google	$0.017	6.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 1 Tokens de entrada 39,877 Tokens de salida 1,890 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.20s Tiempo de respuesta (total) 136.37s Tiempo de respuesta (máximo) 118.00s Respuesta incorrecta: 12 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.0 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#60#60	Gemini 3 Flash Previewlow	7.4	Google	$0.177	6.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 2 Tokens de entrada 123,684 Tokens de salida 9,572 Tokens de razonamiento 28,518 Tiempo de respuesta (promedio) 6.28s Tiempo de respuesta (total) 138.06s Tiempo de respuesta (máximo) 17.13s Respuesta incorrecta: 6 Trucos anti-IA : 10.0 Programación : 5.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#147#147	GLM 5.1none	5.5	Z.ai	$0.164 ↓	6.70s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 40.9% Pruebas inestables 5 Tokens de entrada 124,209 Tokens de salida 14,393 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.70s Tiempo de respuesta (total) 147.38s Tiempo de respuesta (máximo) 61.20s Respuesta incorrecta: 13 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 4.0 Programación : 3.9 Combinado : 2.8 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#194#194	Laguna Xs.2medium	4.1	Poolside	$0.015 ↕	6.73s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 6 Tokens de entrada 39,481 Tokens de salida 54,218 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.73s Tiempo de respuesta (total) 100.98s Tiempo de respuesta (máximo) 29.11s Respuesta incorrecta: 6 Error de API: 4 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 2.1 Combinado : 1.5 Análisis y extracción de datos : 7.1 Específico del dominio : 4.1 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 4.7 Cultura general : 3.0
#54#54	GPT-5.3 Chatnone	7.5	OpenAI	$0.571	6.88s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 5 Tokens de entrada 78,990 Tokens de salida 30,854 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.88s Tiempo de respuesta (total) 151.31s Tiempo de respuesta (máximo) 18.33s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Trucos anti-IA : 6.7 Programación : 5.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0

←

1 2 3 4 5 6 7

→

Comparación rápida

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida