AI BENCHY

Leaderboard de Benchmark de IA

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: 2026-07-02 Modelos evaluados: 174

174/174

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#144#144	GPT-4o-mininone	5.0	OpenAI	$0.006	1.77s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 23.8% Pruebas inestables 0 Tokens de entrada 31,518 Tokens de salida 1,982 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.77s Tiempo de respuesta (total) 24.80s Tiempo de respuesta (máximo) 7.58s Respuesta incorrecta: 15 No siguió las instrucciones: 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
#143#143	Laguna M.1medium	5.0	Poolside	$0.033 ↕	14.73s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 47.6% 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 : 3.0 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
#142#142	Trinity Large Previewnone	5.0	Arcee AI	$0.008 ↑	2.98s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 22.2% 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 : 3.0 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	Grok 4.20 Multi Agent Betamedium	5.0	X AI	$5.599 ↑	9.69s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 50.8% 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 : 3.0 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
#140#140	Qwen3.5-9Bnone	5.1	Qwen	$0.006 ↑	1.89s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 20.6% Pruebas inestables 1 Tokens de entrada 48,041 Tokens de salida 3,952 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.89s Tiempo de respuesta (total) 39.68s Tiempo de respuesta (máximo) 6.03s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 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
#139#139	MiMo-V2.5none	5.1	Xiaomi	$0.006 ↓	2.20s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 27.0% Pruebas inestables 1 Tokens de entrada 41,985 Tokens de salida 2,267 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.20s Tiempo de respuesta (total) 46.21s Tiempo de respuesta (máximo) 6.86s Respuesta incorrecta: 14 Formato extra: 1 No siguió las instrucciones: 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
#138#138	Mistral Small 4medium	5.1	Mistral	$0.068	9.40s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 44.4% Pruebas inestables 8 Tokens de entrada 42,576 Tokens de salida 24,184 Tokens de razonamiento 84,678 Tiempo de respuesta (promedio) 9.40s Tiempo de respuesta (total) 197.39s Tiempo de respuesta (máximo) 59.15s Respuesta incorrecta: 12 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 5.6 Programación : 4.4 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#137#137	Hunter Alphamedium	5.1	OpenRouter	$0.000	10.33s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 55.6% 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 : 4.7 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
#136#136	North Mini Codenone	5.1	Cohere	$0.000	29.82s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 8.5 Tasa de aciertos por intento 19.1% Pruebas inestables 0 Tokens de entrada 43,264 Tokens de salida 8,278 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 29.82s Tiempo de respuesta (total) 626.26s Tiempo de respuesta (máximo) 159.85s Respuesta incorrecta: 12 Formato extra: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.0 Programación : 3.9 Combinado : 3.5 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
#135#135	Qwen3 Coder Nextnone	5.1	Qwen	$0.009 ↓	8.62s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 27.0% Pruebas inestables 1 Tokens de entrada 47,507 Tokens de salida 3,584 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.62s Tiempo de respuesta (total) 129.37s Tiempo de respuesta (máximo) 45.14s Respuesta incorrecta: 14 Formato extra: 1 No siguió las instrucciones: 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
#134#134	Mistral Small 4none	5.1	Mistral	$0.007	630ms
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 27.0% Pruebas inestables 1 Tokens de entrada 37,309 Tokens de salida 2,201 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 630ms Tiempo de respuesta (total) 13.22s Tiempo de respuesta (máximo) 1.72s Respuesta incorrecta: 15 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
#133#133	Qwen3.6 35B A3Bnone	5.2	Qwen	$0.031 ↑	3.73s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 30.2% Pruebas inestables 5 Tokens de entrada 19,329 Tokens de salida 27,755 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.73s Tiempo de respuesta (total) 70.86s Tiempo de respuesta (máximo) 22.52s Respuesta incorrecta: 13 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 3.0 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
#132#132	MiniMax M2.7medium	5.2	Minimax	$0.075 ↓	38.18s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 46.0% Pruebas inestables 8 Tokens de entrada 34,371 Tokens de salida 8,981 Tokens de razonamiento 89,812 Tiempo de respuesta (promedio) 38.18s Tiempo de respuesta (total) 763.60s Tiempo de respuesta (máximo) 196.21s Respuesta incorrecta: 6 No siguió las instrucciones: 5 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 7.9 Programación : 5.7 Combinado : 4.7 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
#131#131	DeepSeek V3.2none	5.3	DeepSeek	$0.017 ↓	13.83s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 39.7% Pruebas inestables 6 Tokens de entrada 55,997 Tokens de salida 11,165 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 13.83s Tiempo de respuesta (total) 290.43s Tiempo de respuesta (máximo) 115.89s Respuesta incorrecta: 7 Error de API: 4 Formato extra: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.2 Programación : 3.1 Combinado : 6.5 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#130#130	Qwen3.5-122B-A10Bnone	5.3	Qwen	$0.020 ↓	3.41s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 31.8% Pruebas inestables 1 Tokens de entrada 47,735 Tokens de salida 3,383 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.41s Tiempo de respuesta (total) 71.59s Tiempo de respuesta (máximo) 46.00s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#129#129	GPT-5.4 Mininone	5.3	OpenAI	$0.038	1.13s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 30.2% Pruebas inestables 3 Tokens de entrada 34,244 Tokens de salida 2,541 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.13s Tiempo de respuesta (total) 23.82s Tiempo de respuesta (máximo) 2.52s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Trucos anti-IA : 3.1 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#128#128	Laguna XS 2.1none	5.3	Poolside	$0.003	722ms
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 31.8% Pruebas inestables 3 Tokens de entrada 41,148 Tokens de salida 3,451 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 722ms Tiempo de respuesta (total) 15.17s Tiempo de respuesta (máximo) 2.30s Respuesta incorrecta: 14 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 5.3 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 3.8 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#127#127	GLM 5 Turbonone	5.3	Z.ai	$0.047 ↑	2.82s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 31.8% 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 : 3.0 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
#126#126	Qwen3.5 Plus 2026-04-20none	5.5	Qwen	$0.032 ↓	4.39s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 41.3% Pruebas inestables 4 Tokens de entrada 38,910 Tokens de salida 11,145 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.39s Tiempo de respuesta (total) 92.26s Tiempo de respuesta (máximo) 33.34s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 3.9 Combinado : 2.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#125#125	Gemma 4 26B A4Bnone	5.5	Google	$0.004 ↓	5.91s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 44.4% Pruebas inestables 2 Tokens de entrada 40,038 Tokens de salida 1,824 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.91s Tiempo de respuesta (total) 124.05s Tiempo de respuesta (máximo) 57.10s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Tiempo agotado: 1 Trucos anti-IA : 8.3 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 6.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#124#124	Qwen3.6 27Bnone	5.5	Qwen	$0.025 ↓	3.72s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 47.6% Pruebas inestables 6 Tokens de entrada 52,721 Tokens de salida 3,812 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.72s Tiempo de respuesta (total) 78.08s Tiempo de respuesta (máximo) 11.82s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.8 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 7.7 Inteligencia general : 5.2 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 5.3 Llamada de herramientas : 9.5 Cultura general : 3.0
#123#123	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.017 ↓	1.78s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 39.7% Pruebas inestables 4 Tokens de entrada 30,724 Tokens de salida 3,043 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.78s Tiempo de respuesta (total) 37.42s Tiempo de respuesta (máximo) 8.32s Respuesta incorrecta: 11 No siguió las instrucciones: 4 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
#122#122	Kimi K2.5none	5.5	Moonshot AI	$0.027 ↑	13.18s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 3 Tokens de entrada 36,034 Tokens de salida 6,657 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 13.18s Tiempo de respuesta (total) 184.47s Tiempo de respuesta (máximo) 42.13s Respuesta incorrecta: 15 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 2.8 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#121#121	DeepSeek V4 Flashnone	5.5	DeepSeek	$0.007 ↓	26.75s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 30.2% Pruebas inestables 3 Tokens de entrada 50,127 Tokens de salida 13,710 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 26.75s Tiempo de respuesta (total) 561.82s Tiempo de respuesta (máximo) 111.96s Respuesta incorrecta: 12 Formato extra: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.0 Programación : 4.2 Combinado : 4.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#120#120	GLM 5.1none	5.6	Z.ai	$0.063 ↑	4.10s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 41.3% Pruebas inestables 4 Tokens de entrada 47,133 Tokens de salida 3,754 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.10s Tiempo de respuesta (total) 86.18s Tiempo de respuesta (máximo) 32.57s Respuesta incorrecta: 13 Llamada de herramienta no válida: 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
#119#119	Grok 4.1 Fastmedium	5.6	X AI	$0.069 ↑	23.85s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 55.6% 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 : 10.0 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
#118#118	Claude Sonnet 5none	5.7	Anthropic	$0.287	4.74s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 42.9% Pruebas inestables 4 Tokens de entrada 76,797 Tokens de salida 13,325 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.74s Tiempo de respuesta (total) 99.46s Tiempo de respuesta (máximo) 29.46s Respuesta incorrecta: 7 Formato extra: 4 Sin respuesta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 5.3 Programación : 4.6 Combinado : 3.0 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
#117#117	Mimo V2 Omninone	5.7	Xiaomi	$0.021 ↓	2.44s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 39.7% Pruebas inestables 1 Tokens de entrada 40,852 Tokens de salida 3,314 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.44s Tiempo de respuesta (total) 48.81s Tiempo de respuesta (máximo) 6.81s Respuesta incorrecta: 10 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.6 Programación : 4.4 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#116#116	Qwen3.6 Plus Previewmedium	5.8	Qwen	$0.000	15.25s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 42.9% 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 : 10.0 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
#115#115	GPT-5.4none	5.8	OpenAI	$0.122	1.42s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 36.5% Pruebas inestables 2 Tokens de entrada 34,212 Tokens de salida 2,417 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.42s Tiempo de respuesta (total) 29.87s Tiempo de respuesta (máximo) 2.95s Respuesta incorrecta: 13 No siguió las instrucciones: 1 Trucos anti-IA : 3.2 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.6 Llamada de herramientas : 10.0 Cultura general : 3.0

←

1 2 3 4 5 6

→

Comparación rápida

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumDisponible gratis Gemini 3.5 FlashhighvsNorth Mini CodemediumDisponible gratis Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida