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)
#112#112	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
#116#116	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
#125#125	Qwen3.5-Flashnone	6.1	Qwen	$0.073 ↓	25.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 39.4% Pruebas inestables 2 Tokens de entrada 282,347 Tokens de salida 209,201 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 25.28s Tiempo de respuesta (total) 556.24s Tiempo de respuesta (máximo) 480.96s Respuesta incorrecta: 13 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#126#126	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.56s
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 94,468 Tokens de salida 51,487 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 13.56s Tiempo de respuesta (total) 298.31s Tiempo de respuesta (máximo) 206.05s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 3.9 Combinado : 6.4 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
#129#129	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
#132#132	GPT-5.6 Terranone	6.0	OpenAI	$0.349	1.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 42.4% Pruebas inestables 3 Tokens de entrada 102,259 Tokens de salida 6,203 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.65s Tiempo de respuesta (total) 36.28s Tiempo de respuesta (máximo) 10.07s Respuesta incorrecta: 11 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 5.3 Llamada de herramientas : 9.6 Cultura general : 3.0
#140#140	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	51.99s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 8.7 Tasa de aciertos por intento 40.9% Pruebas inestables 3 Tokens de entrada 81,429 Tokens de salida 18,371 Tokens de razonamiento 98,853 Tiempo de respuesta (promedio) 51.99s Tiempo de respuesta (total) 1039.89s Tiempo de respuesta (máximo) 431.98s Respuesta incorrecta: 5 Error de API: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 8.3 Programación : 3.1 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.1 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#149#149	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.42s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 9.9 Tasa de aciertos por intento 45.5% Pruebas inestables 3 Tokens de entrada 51,472 Tokens de salida 7,822 Tokens de razonamiento 58,352 Tiempo de respuesta (promedio) 8.42s Tiempo de respuesta (total) 185.24s Tiempo de respuesta (máximo) 48.19s Respuesta incorrecta: 11 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 3.6 Combinado : 6.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#156#156	Gemma 4 26B A4Bnone	5.5	Google	$0.015 ↓	7.64s
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 131,282 Tokens de salida 15,781 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.64s Tiempo de respuesta (total) 167.98s Tiempo de respuesta (máximo) 57.10s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 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
#202#202	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 4 Tokens de entrada 11,793 Tokens de salida 267,275 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 28.69s Tiempo de respuesta (total) 459.00s Tiempo de respuesta (máximo) 138.35s Respuesta incorrecta: 7 Error de API: 3 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 3.3 Combinado : 1.5 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#145#145	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
#146#146	Owl Alphamedium	5.6	Openrouter	$0.000	11.95s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 37.9% Pruebas inestables 1 Tokens de entrada 43,478 Tokens de salida 2,974 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 11.95s Tiempo de respuesta (total) 250.88s Tiempo de respuesta (máximo) 58.63s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Error de API: 1 Trucos anti-IA : 4.8 Programación : 5.4 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 : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#157#157	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 37.9% 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 : 1.5 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
#97#97	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 9.4 Tasa de aciertos por intento 53.0% Pruebas inestables 5 Tokens de entrada 93,357 Tokens de salida 30,466 Tokens de razonamiento 336,325 Tiempo de respuesta (promedio) 148.73s Tiempo de respuesta (total) 3272.00s Tiempo de respuesta (máximo) 941.66s Respuesta incorrecta: 6 Tiempo agotado: 3 No siguió las instrucciones: 2 Sin respuesta: 2 Trucos anti-IA : 8.9 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 5.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#102#102	Laguna XS 2.1medium	6.5	Poolside	$0.068	47.93s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 42.4% Pruebas inestables 1 Tokens de entrada 118,989 Tokens de salida 30,750 Tokens de razonamiento 491,833 Tiempo de respuesta (promedio) 47.93s Tiempo de respuesta (total) 1054.49s Tiempo de respuesta (máximo) 422.72s Respuesta incorrecta: 11 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#118#118	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
#121#121	gpt-oss-120bmedium	6.1	OpenAI	$0.019 ↓	21.91s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 5 Tokens de entrada 108,747 Tokens de salida 29,772 Tokens de razonamiento 68,044 Tiempo de respuesta (promedio) 21.91s Tiempo de respuesta (total) 328.70s Tiempo de respuesta (máximo) 68.16s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.7 Programación : 5.9 Combinado : 6.5 Análisis y extracción de datos : 6.4 Específico del dominio : 2.9 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.3 Llamada de herramientas : 9.8 Cultura general : 3.0
#122#122	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 4 Tokens de entrada 118,050 Tokens de salida 10,723 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.75s Tiempo de respuesta (total) 38.60s Tiempo de respuesta (máximo) 16.25s Respuesta incorrecta: 11 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 7.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#128#128	GPT-5 Nanomedium	6.1	OpenAI	$0.114	54.87s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 56.1% Pruebas inestables 8 Tokens de entrada 94,935 Tokens de salida 12,042 Tokens de razonamiento 261,056 Tiempo de respuesta (promedio) 54.87s Tiempo de respuesta (total) 822.99s Tiempo de respuesta (máximo) 227.89s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 7.0 Combinado : 6.4 Análisis y extracción de datos : 3.7 Específico del dominio : 5.2 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#137#137	North Mini Codemedium	5.9	Cohere	$0.000	137.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 8.6 Tasa de aciertos por intento 48.5% Pruebas inestables 4 Tokens de entrada 81,813 Tokens de salida 424,772 Tokens de razonamiento 1,342,029 Tiempo de respuesta (promedio) 137.11s Tiempo de respuesta (total) 3016.42s Tiempo de respuesta (máximo) 786.72s Respuesta incorrecta: 9 Formato extra: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.4 Programación : 4.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#179#179	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↕	55.10s
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 7,599 Tokens de salida 39,954 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 55.10s Tiempo de respuesta (total) 881.55s 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
#141#141	GLM 5none	5.7	Z.ai	$0.041 ↑	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
#181#181	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
#184#184	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
#46#46	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.200	79.14s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 6 Tokens de entrada 90,748 Tokens de salida 10,462 Tokens de razonamiento 178,719 Tiempo de respuesta (promedio) 79.14s Tiempo de respuesta (total) 1740.97s Tiempo de respuesta (máximo) 416.76s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 5.7 Programación : 6.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.8 Resolución de acertijos : 6.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#77#77	Kimi K2.5medium	7.0	Moonshot AI	$0.600 ↑	99.00s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 8 Tokens de entrada 118,448 Tokens de salida 62,124 Tokens de razonamiento 165,243 Tiempo de respuesta (promedio) 99.00s Tiempo de respuesta (total) 1485.04s Tiempo de respuesta (máximo) 281.00s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 6.1 Combinado : 6.7 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#78#78	Mercury 2medium	7.0	Inception	$0.093	2.72s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 51.5% Pruebas inestables 3 Tokens de entrada 109,572 Tokens de salida 10,313 Tokens de razonamiento 76,806 Tiempo de respuesta (promedio) 2.72s Tiempo de respuesta (total) 57.12s Tiempo de respuesta (máximo) 14.63s Respuesta incorrecta: 8 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 8.2 Combinado : 6.7 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
#82#82	DeepSeek V4 Pronone	6.9	DeepSeek	$0.096	11.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 51.5% Pruebas inestables 4 Tokens de entrada 148,069 Tokens de salida 35,551 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 11.55s Tiempo de respuesta (total) 254.11s Tiempo de respuesta (máximo) 119.44s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.2 Programación : 5.6 Combinado : 7.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#91#91	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 9.6 Tasa de aciertos por intento 53.0% Pruebas inestables 3 Tokens de entrada 90,909 Tokens de salida 5,679 Tokens de razonamiento 297,369 Tiempo de respuesta (promedio) 100.31s Tiempo de respuesta (total) 2206.82s Tiempo de respuesta (máximo) 560.39s Respuesta incorrecta: 8 Error de API: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 3.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#99#99	Qwen3.6 27Bmedium	6.5	Qwen	$0.779 ↑	106.32s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 6 Tokens de entrada 106,167 Tokens de salida 32,889 Tokens de razonamiento 241,303 Tiempo de respuesta (promedio) 106.32s Tiempo de respuesta (total) 2339.12s Tiempo de respuesta (máximo) 1085.11s Respuesta incorrecta: 6 Sin respuesta: 3 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 7.7 Combinado : 6.7 Análisis y extracción de datos : 3.5 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 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