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: 2026-07-20 Modelos evaluados: 210

210/210

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#205#205	Laguna Xs.2none	3.8	Poolside	$0.004 ↕	806ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 22.7% Pruebas inestables 0 Tokens de entrada 33,675 Tokens de salida 2,826 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 806ms Tiempo de respuesta (total) 12.09s Tiempo de respuesta (máximo) 2.01s Respuesta incorrecta: 8 Error de API: 4 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.0 Programación : 8.3 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#136#136	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 3 Tokens de entrada 79,067 Tokens de salida 7,880 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.53s Tiempo de respuesta (total) 33.74s Tiempo de respuesta (máximo) 9.92s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Trucos anti-IA : 3.1 Programación : 5.5 Combinado : 6.5 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
#142#142	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.247 ↓	12.92s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 2 Tokens de entrada 241,566 Tokens de salida 88,458 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.92s Tiempo de respuesta (total) 284.21s Tiempo de respuesta (máximo) 212.63s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 3.7 Combinado : 5.2 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
#154#154	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
#155#155	Kimi K2.5none	5.5	Moonshot AI	$0.127 ↑	19.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 4 Tokens de entrada 89,322 Tokens de salida 26,638 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 19.15s Tiempo de respuesta (total) 287.30s Tiempo de respuesta (máximo) 102.83s Respuesta incorrecta: 15 Sin respuesta: 1 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
#159#159	GPT-5.6 Lunanone	5.4	OpenAI	$0.142	1.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 3 Tokens de entrada 101,323 Tokens de salida 6,709 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.50s Tiempo de respuesta (total) 32.91s Tiempo de respuesta (máximo) 10.57s Respuesta incorrecta: 14 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 3.8 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 7.1 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#164#164	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
#173#173	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	18.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 37.9% Pruebas inestables 6 Tokens de entrada 135,780 Tokens de salida 42,097 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 18.25s Tiempo de respuesta (total) 401.60s Tiempo de respuesta (máximo) 115.89s Respuesta incorrecta: 7 Error de API: 4 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 : 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
#176#176	GLM 4.7 Flashnone	4.9	Z.ai	$0.016	9.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 3 Tokens de entrada 101,504 Tokens de salida 22,992 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.15s Tiempo de respuesta (total) 137.18s Tiempo de respuesta (máximo) 97.15s Respuesta incorrecta: 13 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 : 7.7 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 6.4 Llamada de herramientas : 2.8 Cultura general : 3.0
#178#178	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 2 Tokens de entrada 114,375 Tokens de salida 14,903 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.68s Tiempo de respuesta (total) 213.51s 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
#170#170	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
#195#195	Elephant Alphamedium	4.3	Openrouter	$0.000	1.27s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad N/D Tasa de aciertos por intento 28.8% Pruebas inestables 1 Tokens de entrada 33,744 Tokens de salida 2,596 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.27s Tiempo de respuesta (total) 22.82s Tiempo de respuesta (máximo) 3.70s Respuesta incorrecta: 9 Error de API: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.6 Programación : 3.7 Combinado : 1.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#198#198	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
#206#206	gpt-oss-120bnone	3.7	OpenAI	$0.010 ↓	21.61s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 2 Tokens de entrada 9,081 Tokens de salida 51,664 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 21.61s Tiempo de respuesta (total) 345.79s Tiempo de respuesta (máximo) 113.71s Respuesta incorrecta: 8 Error de API: 3 No siguió las instrucciones: 2 Trucos anti-IA : 6.5 Programación : 1.5 Combinado : 1.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#111#111	LongCat 2.0none	6.3	Meituan	$0.044	5.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 36.4% Pruebas inestables 2 Tokens de entrada 108,743 Tokens de salida 9,372 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.18s Tiempo de respuesta (total) 113.95s Tiempo de respuesta (máximo) 48.38s Respuesta incorrecta: 14 Formato extra: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 4.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#124#124	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
#127#127	Qwen3.5-35B-A3Bnone	6.1	Qwen	$0.106 ↓	12.72s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 4 Tokens de entrada 134,521 Tokens de salida 86,614 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.72s Tiempo de respuesta (total) 279.90s Tiempo de respuesta (máximo) 209.15s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 6.5 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#138#138	Kimi K2.6none	5.8	Moonshot AI	$0.184 ↓	19.58s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 2 Tokens de entrada 116,970 Tokens de salida 30,253 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 19.58s Tiempo de respuesta (total) 430.85s Tiempo de respuesta (máximo) 238.89s Respuesta incorrecta: 11 No siguió las instrucciones: 3 Sin respuesta: 1 Trucos anti-IA : 4.6 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#139#139	GPT-5.4none	5.8	OpenAI	$0.397	2.07s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 2 Tokens de entrada 108,632 Tokens de salida 8,321 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.07s Tiempo de respuesta (total) 45.51s Tiempo de respuesta (máximo) 15.63s Respuesta incorrecta: 14 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
#144#144	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.90s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 9.9 Tasa de aciertos por intento 43.9% Pruebas inestables 6 Tokens de entrada 50,470 Tokens de salida 3,957 Tokens de razonamiento 111,374 Tiempo de respuesta (promedio) 15.90s Tiempo de respuesta (total) 349.71s Tiempo de respuesta (máximo) 118.35s Respuesta incorrecta: 9 Error de API: 3 Formato extra: 3 Trucos anti-IA : 6.9 Programación : 4.3 Combinado : 6.5 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#151#151	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
#152#152	Qwen3.6 27Bnone	5.5	Qwen	$0.087 ↑	10.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 6 Tokens de entrada 95,796 Tokens de salida 16,155 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.65s Tiempo de respuesta (total) 234.39s Tiempo de respuesta (máximo) 156.31s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.8 Programación : 5.5 Combinado : 3.2 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
#158#158	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.041	10.09s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 9.9 Tasa de aciertos por intento 45.5% Pruebas inestables 7 Tokens de entrada 61,085 Tokens de salida 5,905 Tokens de razonamiento 46,990 Tiempo de respuesta (promedio) 10.09s Tiempo de respuesta (total) 222.03s Tiempo de respuesta (máximo) 86.23s Respuesta incorrecta: 7 Formato extra: 4 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 7.3 Programación : 3.5 Combinado : 6.4 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#147#147	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 39.4% Pruebas inestables 3 Tokens de entrada 39,344 Tokens de salida 2,352 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.27s Tiempo de respuesta (total) 45.50s Tiempo de respuesta (máximo) 6.58s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Error de API: 1 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#148#148	Owl Alphanone	5.6	Openrouter	$0.000	9.88s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 1 Tokens de entrada 42,283 Tokens de salida 5,913 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.88s Tiempo de respuesta (total) 207.38s Tiempo de respuesta (máximo) 47.10s Respuesta incorrecta: 10 No siguió las instrucciones: 3 Formato extra: 1 Trucos anti-IA : 3.4 Programación : 5.6 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#188#188	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 6 Tokens de entrada 37,449 Tokens de salida 1,677 Tokens de razonamiento 116,703 Tiempo de respuesta (promedio) 39.90s Tiempo de respuesta (total) 797.98s Tiempo de respuesta (máximo) 309.02s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.7 Programación : 3.7 Combinado : 1.5 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 4.2 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#191#191	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 30.3% Pruebas inestables 1 Tokens de entrada 40,597 Tokens de salida 1,657 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.19s Tiempo de respuesta (total) 21.43s Tiempo de respuesta (máximo) 6.48s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.0 Programación : 1.8 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 0.0
#196#196	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
#197#197	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 27.3% Pruebas inestables 0 Tokens de entrada 41,313 Tokens de salida 1,923 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.11s Tiempo de respuesta (total) 19.96s Tiempo de respuesta (máximo) 6.04s Respuesta incorrecta: 10 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 1.1 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 0.0
#103#103	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

←

1 2 3 4 5 6 7

→

Comparación rápida

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida