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: 2026-06-03 Modelos evaluados: 161

161/161

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#51#51	Gemini 3.1 Flash Litelow	7.4	Google	$0.026	1.92s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 2 Tokens de entrada 33,889 Tokens de salida 2,726 Tokens de razonamiento 8,951 Tiempo de respuesta (promedio) 1.92s Tiempo de respuesta (total) 38.45s Tiempo de respuesta (máximo) 5.66s Respuesta incorrecta: 8 Trucos anti-IA : 7.3 Programación : 6.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#133#133	Kimi K2.5none	5.3	Moonshot AI	$0.027 ↑	14.06s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 36.7% Pruebas inestables 3 Tokens de entrada 33,436 Tokens de salida 6,653 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 14.06s Tiempo de respuesta (total) 182.72s Tiempo de respuesta (máximo) 42.13s Respuesta incorrecta: 14 Trucos anti-IA : 3.6 Programación : 6.8 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
#82#82	Qwen3.7 Plusnone	6.6	Qwen	$0.027	2.95s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 0 Tokens de entrada 39,669 Tokens de salida 6,572 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.95s Tiempo de respuesta (total) 58.96s Tiempo de respuesta (máximo) 29.38s Respuesta incorrecta: 9 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 Programación : 6.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.3 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#114#114	Qwen3.6 27Bnone	5.8	Qwen	$0.027 ↓	3.85s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 6 Tokens de entrada 49,880 Tokens de salida 3,804 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.85s Tiempo de respuesta (total) 77.09s Tiempo de respuesta (máximo) 11.82s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.8 Programación : 6.8 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
#42#42	DeepSeek V4 Flashhigh	7.6	DeepSeek	$0.027 ↓	46.36s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 4 Tokens de entrada 37,156 Tokens de salida 10,302 Tokens de razonamiento 115,740 Tiempo de respuesta (promedio) 46.36s Tiempo de respuesta (total) 927.27s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 6.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#22#22	Gemma 4 31Bmedium	8.0	Google	$0.028 ↓	35.39s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 1 Tokens de entrada 15,899 Tokens de salida 19,602 Tokens de razonamiento 49,686 Tiempo de respuesta (promedio) 35.39s Tiempo de respuesta (total) 637.01s Tiempo de respuesta (máximo) 150.90s Error de API: 2 Respuesta incorrecta: 2 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 4.1 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#151#151	Qwen3.6 35B A3Bnone	4.7	Qwen	$0.031 ↑	3.84s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 31.7% Pruebas inestables 5 Tokens de entrada 16,488 Tokens de salida 27,747 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.84s Tiempo de respuesta (total) 69.12s Tiempo de respuesta (máximo) 22.52s Respuesta incorrecta: 12 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 3.6 Programación : 6.8 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
#110#110	Qwen3.5 Plus 2026-04-20none	5.8	Qwen	$0.031 ↓	4.57s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 43.3% Pruebas inestables 4 Tokens de entrada 36,069 Tokens de salida 11,139 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.57s Tiempo de respuesta (total) 91.37s Tiempo de respuesta (máximo) 33.34s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 4.4 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
#77#77	DeepSeek V3.2medium	6.8	DeepSeek	$0.033 ↓	53.34s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.3% Pruebas inestables 6 Tokens de entrada 35,744 Tokens de salida 7,177 Tokens de razonamiento 68,297 Tiempo de respuesta (promedio) 53.34s Tiempo de respuesta (total) 1066.71s Tiempo de respuesta (máximo) 189.03s Respuesta incorrecta: 5 Error de API: 2 Tiempo agotado: 2 No siguió las instrucciones: 1 Trucos anti-IA : 8.2 Programación : 3.9 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#158#158	Qwen3.5-9Bmedium	4.2	Qwen	$0.033 ↓	83.32s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 17 Fiabilidad 5.0 Tasa de aciertos por intento 28.3% Pruebas inestables 5 Tokens de entrada 15,204 Tokens de salida 27,305 Tokens de razonamiento 199,780 Tiempo de respuesta (promedio) 83.32s Tiempo de respuesta (total) 1249.74s Tiempo de respuesta (máximo) 226.38s Tiempo agotado: 11 Respuesta incorrecta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 5.1 Programación : 2.8 Combinado : 3.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 2.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#74#74	Ring-2.6-1Tmedium	7.0	Inclusionai	$0.033	61.29s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.3% Pruebas inestables 3 Tokens de entrada 35,892 Tokens de salida 21,752 Tokens de razonamiento 42,754 Tiempo de respuesta (promedio) 61.29s Tiempo de respuesta (total) 1164.50s Tiempo de respuesta (máximo) 304.19s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 6.5 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.5 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#142#142	GPT-5.4 Mininone	4.9	OpenAI	$0.036	1.15s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 31.7% Pruebas inestables 3 Tokens de entrada 31,625 Tokens de salida 2,508 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.15s Tiempo de respuesta (total) 23.09s Tiempo de respuesta (máximo) 2.52s Respuesta incorrecta: 12 No siguió las instrucciones: 3 Trucos anti-IA : 3.1 Programación : 6.8 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
#32#32	Gemma 4 26B A4Bmedium	7.8	Google	$0.038 ↓	50.92s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 2 Tokens de entrada 38,410 Tokens de salida 28,000 Tokens de razonamiento 82,045 Tiempo de respuesta (promedio) 50.92s Tiempo de respuesta (total) 967.47s Tiempo de respuesta (máximo) 369.32s Respuesta incorrecta: 3 Tiempo agotado: 2 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 2.9 Combinado : 9.6 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#70#70	MiMo-V2-Flashmedium	7.1	Xiaomi	$0.040 ↑	20.28s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.3% Pruebas inestables 3 Tokens de entrada 37,474 Tokens de salida 12,458 Tokens de razonamiento 115,182 Tiempo de respuesta (promedio) 20.28s Tiempo de respuesta (total) 283.87s Tiempo de respuesta (máximo) 96.01s Respuesta incorrecta: 5 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 8.1 Programación : 4.1 Combinado : 9.8 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#132#132	GLM 5 Turbonone	5.3	Z.ai	$0.044 ↑	2.86s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 2 Tokens de entrada 29,927 Tokens de salida 1,809 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.86s Tiempo de respuesta (total) 57.24s Tiempo de respuesta (máximo) 8.21s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Trucos anti-IA : 3.0 Programación : 4.4 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
#71#71	Seed-2.0-Minimedium	7.1	Bytedance Seed	$0.044	80.22s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 60.0% Pruebas inestables 2 Tokens de entrada 41,904 Tokens de salida 2,555 Tokens de razonamiento 95,974 Tiempo de respuesta (promedio) 80.22s Tiempo de respuesta (total) 1363.72s Tiempo de respuesta (máximo) 262.83s Tiempo agotado: 4 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Trucos anti-IA : 6.6 Programación : 6.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#117#117	Mimo V2 PROnone	5.7	Xiaomi	$0.045 ↓	2.27s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 43.3% 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 Trucos anti-IA : 3.5 Programación : 6.8 Combinado : 3.0 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
#76#76	Hy3 previewhigh	6.9	Tencent	$0.048	56.57s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 58.3% Pruebas inestables 2 Tokens de entrada 25,987 Tokens de salida 216,719 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 56.57s Tiempo de respuesta (total) 848.59s Tiempo de respuesta (máximo) 149.94s Error de API: 6 Respuesta incorrecta: 3 Trucos anti-IA : 6.4 Programación : 6.5 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#105#105	GLM 5V Turbonone	5.9	Z.ai	$0.049	3.04s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 40.0% Pruebas inestables 0 Tokens de entrada 34,502 Tokens de salida 1,760 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.04s Tiempo de respuesta (total) 60.88s Tiempo de respuesta (máximo) 6.51s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 6.8 Combinado : 3.0 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
#26#26	Qwen3.7 Maxnone	7.9	Qwen	$0.051 ↓	1.30s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 70.0% Pruebas inestables 0 Tokens de entrada 34,266 Tokens de salida 1,988 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.30s Tiempo de respuesta (total) 25.95s Tiempo de respuesta (máximo) 3.92s Respuesta incorrecta: 6 Trucos anti-IA : 6.5 Programación : 6.8 Combinado : 3.0 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
#54#54	MiMo-V2.5medium	7.4	Xiaomi	$0.052 ↓	20.35s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 70.0% Pruebas inestables 4 Tokens de entrada 39,201 Tokens de salida 2,806 Tokens de razonamiento 161,888 Tiempo de respuesta (promedio) 20.35s Tiempo de respuesta (total) 406.94s Tiempo de respuesta (máximo) 97.49s Respuesta incorrecta: 4 Formato extra: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.9 Combinado : 10.0 Análisis y extracción de datos : 2.7 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#155#155	GLM 4.7 Flashmedium	4.5	Z.ai	$0.054	35.10s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 35.0% Pruebas inestables 8 Tokens de entrada 37,206 Tokens de salida 43,754 Tokens de razonamiento 89,079 Tiempo de respuesta (promedio) 35.10s Tiempo de respuesta (total) 456.24s Tiempo de respuesta (máximo) 174.55s Respuesta incorrecta: 9 Sin respuesta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 4.7 Programación : 3.4 Combinado : 2.8 Análisis y extracción de datos : 6.3 Específico del dominio : 3.5 Inteligencia general : 3.6 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#89#89	Mercury 2medium	6.5	Inception	$0.055	2.27s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 51.7% Pruebas inestables 3 Tokens de entrada 32,570 Tokens de salida 4,022 Tokens de razonamiento 58,405 Tiempo de respuesta (promedio) 2.27s Tiempo de respuesta (total) 43.20s Tiempo de respuesta (máximo) 14.63s Respuesta incorrecta: 8 No siguió las instrucciones: 3 Trucos anti-IA : 6.9 Programación : 7.2 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#108#108	GLM 5.1none	5.8	Z.ai	$0.056 ↓	4.20s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 43.3% Pruebas inestables 4 Tokens de entrada 44,535 Tokens de salida 3,748 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.20s Tiempo de respuesta (total) 83.95s Tiempo de respuesta (máximo) 32.57s Respuesta incorrecta: 12 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.0 Programación : 4.3 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
#129#129	Mistral Small 4medium	5.4	Mistral	$0.056	8.35s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 45.0% Pruebas inestables 7 Tokens de entrada 39,834 Tokens de salida 21,871 Tokens de razonamiento 68,349 Tiempo de respuesta (promedio) 8.35s Tiempo de respuesta (total) 167.08s Tiempo de respuesta (máximo) 59.15s Respuesta incorrecta: 11 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 5.6 Programación : 5.1 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
#127#127	Grok 4.20none	5.4	X AI	$0.057 ↓	1.11s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 33.3% 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 : 3.4 Combinado : 3.0 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
#100#100	DeepSeek V4 Prohigh	6.1	DeepSeek	$0.062 ↓	58.92s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 8.9 Tasa de aciertos por intento 55.0% Pruebas inestables 6 Tokens de entrada 30,514 Tokens de salida 12,244 Tokens de razonamiento 53,958 Tiempo de respuesta (promedio) 58.92s Tiempo de respuesta (total) 1119.51s Tiempo de respuesta (máximo) 358.35s Error de API: 5 Respuesta incorrecta: 4 Tiempo agotado: 2 No siguió las instrucciones: 1 Trucos anti-IA : 6.4 Programación : 2.7 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#55#55	Step 3.5 Flashmedium	7.4	Stepfun	$0.062 ↑	43.20s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 59.7% Pruebas inestables 1 Tokens de entrada 33,555 Tokens de salida 90,478 Tokens de razonamiento 173,544 Tiempo de respuesta (promedio) 43.20s Tiempo de respuesta (total) 561.54s Tiempo de respuesta (máximo) 170.45s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 3.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#35#35	Gemini 3.1 Flash Lite Previewmedium	7.7	Google	$0.063	3.94s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 0 Tokens de entrada 34,781 Tokens de salida 2,204 Tokens de razonamiento 33,657 Tiempo de respuesta (promedio) 3.94s Tiempo de respuesta (total) 78.74s Tiempo de respuesta (máximo) 14.93s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 6.8 Combinado : 10.0 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
#36#36	Gemini 3.1 Flash Litemedium	7.7	Google	$0.065	3.18s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 2 Tokens de entrada 33,803 Tokens de salida 2,248 Tokens de razonamiento 35,390 Tiempo de respuesta (promedio) 3.18s Tiempo de respuesta (total) 63.55s Tiempo de respuesta (máximo) 10.87s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 6.8 Combinado : 10.0 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

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida