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: 2026-08-15 Modelos evaluados: 287

Modelos recomendados

GPT-5.6 Sol high Inteligente Tasa de aciertos por intento 89.4% Pruebas correctas 18 / 22 Puntuación 9.4/10 GPT-5.6 Luna medium Rápido Tiempo de respuesta (promedio) 7.43s Total de tokens de salida 44,525 Puntuación 7.4/10 DeepSeek V4 Flash 0731 high Económico Precio de entrada $0.140 / 1M Precio de salida $0.280 / 1M Puntuación 8.0/10

287/287

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#257#257	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 2 Tokens de entrada 44,969 Tokens de salida 58,087 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 14.73s Tiempo de respuesta (total) 220.93s Tiempo de respuesta (máximo) 53.14s Error de API: 4 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.5 Programación : 1.5 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#256#256	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% Pruebas inestables 6 Tokens de entrada 42,845 Tokens de salida 2,006 Tokens de razonamiento 96,334 Tiempo de respuesta (promedio) 23.85s Tiempo de respuesta (total) 286.16s Tiempo de respuesta (máximo) 121.79s No siguió las instrucciones: 4 Respuesta incorrecta: 4 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 7.8 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.8 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 2.8 Cultura general : 3.0
#255#255	Hunter Alphamedium	4.7	OpenRouter	$0.000	10.33s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 53.0% Pruebas inestables 6 Tokens de entrada 28,927 Tokens de salida 4,682 Tokens de razonamiento 17,969 Tiempo de respuesta (promedio) 10.33s Tiempo de respuesta (total) 175.58s Tiempo de respuesta (máximo) 30.53s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Tiempo agotado: 2 Error de API: 1 Formato extra: 1 Trucos anti-IA : 7.3 Programación : 9.8 Combinado : 2.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 7.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.1 Llamada de herramientas : 10.0 Cultura general : 0.0
#254#254	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
#253#253	GLM 4.7 Flashnone	4.8	Z.ai	$0.016	8.81s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 3 Tokens de entrada 101,513 Tokens de salida 22,992 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.81s Tiempo de respuesta (total) 140.88s Tiempo de respuesta (máximo) 97.15s Respuesta incorrecta: 14 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 5.2 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 6.4 Llamada de herramientas : 2.8 Cultura general : 3.0
#252#252	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.070	12.46s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 36.4% Pruebas inestables 7 Tokens de entrada 69,376 Tokens de salida 97,752 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.46s Tiempo de respuesta (total) 274.11s Tiempo de respuesta (máximo) 121.05s Respuesta incorrecta: 13 Formato extra: 3 Error de API: 1 Trucos anti-IA : 5.3 Programación : 3.3 Combinado : 3.8 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#251#251	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 48.5% Pruebas inestables 5 Tokens de entrada 721,952 Tokens de salida 294,668 Tokens de razonamiento 305,374 Tiempo de respuesta (promedio) 9.69s Tiempo de respuesta (total) 155.07s Tiempo de respuesta (máximo) 35.28s Respuesta incorrecta: 4 Error de API: 2 Formato extra: 2 No siguió las instrucciones: 2 Trucos anti-IA : 6.9 Programación : 3.3 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.7 Llamada de herramientas : 3.0 Cultura general : 0.0
#250#250	Trinity Large Thinkinghigh	4.8	Arcee AI	$0.624	75.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 39.4% Pruebas inestables 8 Tokens de entrada 101,776 Tokens de salida 276,367 Tokens de razonamiento 656,252 Tiempo de respuesta (promedio) 75.86s Tiempo de respuesta (total) 1668.93s Tiempo de respuesta (máximo) 510.21s Respuesta incorrecta: 10 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Sin respuesta: 1 Trucos anti-IA : 6.7 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 4.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#249#249	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 4 Tokens de entrada 115,933 Tokens de salida 13,794 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.56s Tiempo de respuesta (total) 56.37s Tiempo de respuesta (máximo) 25.50s Respuesta incorrecta: 15 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 3.5 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#248#248	Nemotron 3.5 Lightninglow	4.8	NVIDIA	$0.175 ↕	59.81s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 9.8 Tasa de aciertos por intento 42.4% Pruebas inestables 9 Tokens de entrada 138,792 Tokens de salida 142,972 Tokens de razonamiento 522,202 Tiempo de respuesta (promedio) 59.81s Tiempo de respuesta (total) 1315.80s Tiempo de respuesta (máximo) 312.21s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 4.0 Combinado : 6.3 Análisis y extracción de datos : 2.9 Específico del dominio : 3.6 Inteligencia general : 3.7 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#247#247	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↑	51.99s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 2 Tokens de entrada 7,608 Tokens de salida 40,277 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 51.99s Tiempo de respuesta (total) 831.90s Tiempo de respuesta (máximo) 143.82s Error de API: 6 Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 9.2 Programación : 5.3 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#246#246	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 9.2 Tasa de aciertos por intento 27.3% Pruebas inestables 2 Tokens de entrada 63,528 Tokens de salida 6,432 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.04s Tiempo de respuesta (total) 132.96s 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 : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#245#245	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.71s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 9.6 Tasa de aciertos por intento 30.3% Pruebas inestables 2 Tokens de entrada 114,384 Tokens de salida 14,903 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.71s Tiempo de respuesta (total) 214.28s Tiempo de respuesta (máximo) 36.03s Respuesta incorrecta: 9 Llamada de herramienta no válida: 3 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 6.8 Programación : 5.3 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 2.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#244#244	Qwen3.6 Plus Previewmedium	4.9	Qwen	$0.000	15.25s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 40.9% Pruebas inestables 0 Tokens de entrada 32,639 Tokens de salida 1,153 Tokens de razonamiento 62,197 Tiempo de respuesta (promedio) 15.25s Tiempo de respuesta (total) 182.96s Tiempo de respuesta (máximo) 43.55s Error de API: 8 Respuesta incorrecta: 2 Trucos anti-IA : 8.3 Programación : 9.8 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#243#243	GPT-4o-mininone	5.0	OpenAI	$0.010	1.92s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 22.7% Pruebas inestables 0 Tokens de entrada 53,145 Tokens de salida 2,913 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.92s Tiempo de respuesta (total) 30.71s Tiempo de respuesta (máximo) 7.58s Respuesta incorrecta: 15 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 4.8 Programación : 3.2 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#242#242	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	17.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 36.4% Pruebas inestables 5 Tokens de entrada 135,831 Tokens de salida 42,099 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 17.89s Tiempo de respuesta (total) 393.53s Tiempo de respuesta (máximo) 115.89s Respuesta incorrecta: 8 Error de API: 3 Formato extra: 2 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 3.2 Programación : 3.1 Combinado : 4.8 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#241#241	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 22.7% Pruebas inestables 5 Tokens de entrada 118,752 Tokens de salida 67,823 Tokens de razonamiento 383,885 Tiempo de respuesta (promedio) 85.34s Tiempo de respuesta (total) 1877.49s Tiempo de respuesta (máximo) 814.73s Respuesta incorrecta: 15 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 3.8 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 4.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#240#240	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 9 Tokens de entrada 114,527 Tokens de salida 18,558 Tokens de razonamiento 129,146 Tiempo de respuesta (promedio) 43.25s Tiempo de respuesta (total) 908.21s Tiempo de respuesta (máximo) 196.21s Respuesta incorrecta: 6 No siguió las instrucciones: 5 Sin respuesta: 2 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 5.7 Combinado : 3.8 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 3.8 Resolución de acertijos : 5.9 Llamada de herramientas : 4.7 Cultura general : 3.0
#239#239	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 8.7 Tasa de aciertos por intento 18.2% Pruebas inestables 0 Tokens de entrada 130,501 Tokens de salida 26,786 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 29.95s Tiempo de respuesta (total) 658.83s Tiempo de respuesta (máximo) 159.85s Respuesta incorrecta: 12 Formato extra: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.0 Programación : 3.9 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.5 Llamada de herramientas : 9.5 Cultura general : 3.0
#238#238	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 2 Tokens de entrada 32,525 Tokens de salida 1,815 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.82s Tiempo de respuesta (total) 59.29s Tiempo de respuesta (máximo) 8.21s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Trucos anti-IA : 3.0 Programación : 3.9 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#237#237	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 19.7% Pruebas inestables 1 Tokens de entrada 144,416 Tokens de salida 37,484 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 19.19s Tiempo de respuesta (total) 422.25s Tiempo de respuesta (máximo) 382.06s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.1 Programación : 3.9 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#236#236	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 2 Tokens de entrada 141,052 Tokens de salida 16,464 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.68s Tiempo de respuesta (total) 103.02s 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 : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#235#235	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
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 134,227 Tokens de salida 11,808 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.63s Tiempo de respuesta (total) 146.72s Tiempo de respuesta (máximo) 45.14s Respuesta incorrecta: 14 Formato extra: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 3.6 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#233#233	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
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 104,717 Tokens de salida 9,812 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.20s Tiempo de respuesta (total) 26.41s Tiempo de respuesta (máximo) 13.16s Respuesta incorrecta: 16 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#234#234	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 8 Tokens de entrada 140,559 Tokens de salida 40,268 Tokens de razonamiento 93,329 Tiempo de respuesta (promedio) 10.80s Tiempo de respuesta (total) 237.60s Tiempo de respuesta (máximo) 59.15s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Trucos anti-IA : 5.6 Programación : 4.4 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#232#232	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.195 ↕	70.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 9.9 Tasa de aciertos por intento 48.5% Pruebas inestables 11 Tokens de entrada 126,330 Tokens de salida 165,702 Tokens de razonamiento 594,739 Tiempo de respuesta (promedio) 70.11s Tiempo de respuesta (total) 1542.52s Tiempo de respuesta (máximo) 437.11s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 4.4 Combinado : 6.2 Análisis y extracción de datos : 3.7 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 4.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#231#231	Inklingnone	5.2	Thinkingmachines	$0.142 ↓	3.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 28.8% Pruebas inestables 1 Tokens de entrada 104,120 Tokens de salida 10,554 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.47s Tiempo de respuesta (total) 76.28s 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
#230#230	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 16.7% Pruebas inestables 1 Tokens de entrada 116,155 Tokens de salida 19,679 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.53s Tiempo de respuesta (total) 77.68s Tiempo de respuesta (máximo) 24.48s Respuesta incorrecta: 15 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.1 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#229#229	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.061 ↑	5.57s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 28.8% Pruebas inestables 5 Tokens de entrada 93,990 Tokens de salida 45,905 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.57s Tiempo de respuesta (total) 111.32s 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 : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 3.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#228#228	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Ver ficha del modelo Pruebas totales 16 Pruebas incorrectas 3 Fiabilidad N/D Tasa de aciertos por intento 59.1% Pruebas inestables 0 Tokens de entrada 28,980 Tokens de salida 1,283 Tokens de razonamiento 1,533,310 Tiempo de respuesta (promedio) 68.14s Tiempo de respuesta (total) 1090.28s Tiempo de respuesta (máximo) 280.52s Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 7.5 Programación : 0.0 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 0.0

Comparación rápida

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Leaderboard de AI Benchy

Modelos recomendados

Filtrar modelos

Comparación rápida