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: 2026-10-17 Modelos evaluados: 442

Modelos recomendados

GPT-6.1 Sol xhigh Inteligente Tasa de aciertos por intento 97.1% Pruebas correctas 22 / 23 Puntuación 9.9/10 Gemini 3.7 Flash low Rápido Tiempo de respuesta (promedio) 6.24s Total de tokens de salida 38,453 Puntuación 9.4/10 GPT-6 Luna high Económico Precio de entrada $0.100 / 1M Precio de salida $0.500 / 1M Precio de lectura de caché $0.010 / 1M Precio de escritura de caché $0.125 / 1M Puntuación 7.7/10

442/442

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#330#330	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.168 ↕	77.08s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.6 Tasa de aciertos por intento 47.8% Pruebas inestables 12 Tokens de entrada 170,517 Tokens de salida 149,968 Tokens de razonamiento 509,725 Tiempo de respuesta (promedio) 77.08s Tiempo de respuesta (total) 1772.78s Tiempo de respuesta (máximo) 490.99s Respuesta incorrecta: 11 No siguió las instrucciones: 4 Formato extra: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 3.5 Trucos anti-IA : 5.5 Programación : 4.4 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#334#334	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.7 Tasa de aciertos por intento 42.0% Pruebas inestables 8 Tokens de entrada 321,955 Tokens de salida 41,555 Tokens de razonamiento 94,946 Tiempo de respuesta (promedio) 12.68s Tiempo de respuesta (total) 291.66s Tiempo de respuesta (máximo) 59.15s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Tareas de agentes : 5.0 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
#335#335	Mistral Small 4none	5.1	Mistral	$0.047	3.12s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 24.6% Pruebas inestables 1 Tokens de entrada 265,602 Tokens de salida 10,913 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.12s Tiempo de respuesta (total) 71.87s Tiempo de respuesta (máximo) 45.46s Respuesta incorrecta: 17 No siguió las instrucciones: 1 Tareas de agentes : 5.0 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
#338#338	MiMo-V2.5-Pronone	5.1	Xiaomi	$0.135 ↓	6.21s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 31.9% Pruebas inestables 4 Tokens de entrada 273,075 Tokens de salida 17,069 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.21s Tiempo de respuesta (total) 142.89s Tiempo de respuesta (máximo) 53.13s Respuesta incorrecta: 12 No siguió las instrucciones: 4 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 3.9 Trucos anti-IA : 3.3 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#342#342	MiniMax M2.7medium	5.0	Minimax	$0.326 ↑	50.32s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 44.9% Pruebas inestables 10 Tokens de entrada 277,130 Tokens de salida 45,188 Tokens de razonamiento 129,163 Tiempo de respuesta (promedio) 50.32s Tiempo de respuesta (total) 1107.03s Tiempo de respuesta (máximo) 198.82s Respuesta incorrecta: 6 No siguió las instrucciones: 5 Llamada de herramienta no válida: 2 Sin respuesta: 2 Tiempo agotado: 2 Error de API: 1 Tareas de agentes : 4.7 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
#344#344	GPT-4o-minidefault	5.0	OpenAI	$0.024	4.16s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 21.7% Pruebas inestables 0 Tokens de entrada 145,180 Tokens de salida 3,627 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.16s Tiempo de respuesta (total) 70.70s Tiempo de respuesta (máximo) 39.99s Respuesta incorrecta: 16 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 5.0 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
#347#347	Inkling Smallnone	4.9	Thinkingmachines	$0.054 ↓	1.45s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 23.2% Pruebas inestables 1 Tokens de entrada 94,733 Tokens de salida 7,087 Tokens de razonamiento 1,683 Tiempo de respuesta (promedio) 1.45s Tiempo de respuesta (total) 33.24s Tiempo de respuesta (máximo) 12.35s Respuesta incorrecta: 15 Error de API: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 3.1 Programación : 3.6 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#348#348	Qwen3 Coder Nextdefault	4.9	Qwen	$0.067 ↑	19.73s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 24.6% Pruebas inestables 1 Tokens de entrada 250,329 Tokens de salida 45,168 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 19.73s Tiempo de respuesta (total) 355.09s Tiempo de respuesta (máximo) 208.38s Respuesta incorrecta: 15 Formato extra: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 3.9 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
#352#352	MiMo-V2.5none	4.9	Xiaomi	$0.049 ↓	9.88s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 26.1% Pruebas inestables 2 Tokens de entrada 276,608 Tokens de salida 17,693 Tokens de razonamiento 16,267 Tiempo de respuesta (promedio) 9.88s Tiempo de respuesta (total) 227.24s Tiempo de respuesta (máximo) 124.23s Respuesta incorrecta: 14 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 3.9 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
#357#357	GLM 4.7 Flashnone	4.8	Z.ai	$0.027	13.04s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 29.0% Pruebas inestables 3 Tokens de entrada 255,363 Tokens de salida 27,395 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 13.04s Tiempo de respuesta (total) 221.61s Tiempo de respuesta (máximo) 97.15s Respuesta incorrecta: 15 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.0 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
#359#359	Nemotron 3.5 Lightningmedium	4.7	NVIDIA	$0.195 ↕	81.93s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.8 Tasa de aciertos por intento 47.8% Pruebas inestables 12 Tokens de entrada 195,780 Tokens de salida 167,746 Tokens de razonamiento 598,384 Tiempo de respuesta (promedio) 81.93s Tiempo de respuesta (total) 1884.31s Tiempo de respuesta (máximo) 437.11s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 2.8 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
#369#369	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.5 Tasa de aciertos por intento 40.6% Pruebas inestables 9 Tokens de entrada 207,883 Tokens de salida 144,718 Tokens de razonamiento 525,897 Tiempo de respuesta (promedio) 83.19s Tiempo de respuesta (total) 1913.41s Tiempo de respuesta (máximo) 597.61s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 3.5 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
#377#377	Nemotron 3 Supernone	4.5	NVIDIA	$0.016 ↑	7.11s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.5 Tasa de aciertos por intento 27.5% Pruebas inestables 3 Tokens de entrada 146,361 Tokens de salida 9,073 Tokens de razonamiento 1 Tiempo de respuesta (promedio) 7.11s Tiempo de respuesta (total) 163.46s Tiempo de respuesta (máximo) 30.51s Respuesta incorrecta: 16 No siguió las instrucciones: 2 Tareas de agentes : 2.8 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
#378#378	KAT Coder AIR V2.5default	4.4	Kwaipilot	$0.070	11.96s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 34.8% Pruebas inestables 7 Tokens de entrada 69,376 Tokens de salida 7,792 Tokens de razonamiento 89,960 Tiempo de respuesta (promedio) 11.96s Tiempo de respuesta (total) 275.18s Tiempo de respuesta (máximo) 121.05s Respuesta incorrecta: 13 Formato extra: 3 Error de API: 2 Tareas de agentes : 3.0 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
#384#384	MiniMax M2.5medium	4.3	Minimax	$0.440 ↑	102.32s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.3 Tasa de aciertos por intento 42.0% Pruebas inestables 9 Tokens de entrada 188,239 Tokens de salida 27,822 Tokens de razonamiento 262,674 Tiempo de respuesta (promedio) 102.32s Tiempo de respuesta (total) 1637.05s Tiempo de respuesta (máximo) 600.81s Respuesta incorrecta: 7 Tiempo agotado: 5 No siguió las instrucciones: 3 Sin respuesta: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 7.9 Programación : 3.4 Combinado : 3.7 Análisis y extracción de datos : 4.6 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 7.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#404#404	Elephant Alphadefault	3.6	Openrouter	$0.000	1.22s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad N/D Tasa de aciertos por intento 24.6% Pruebas inestables 1 Tokens de entrada 33,743 Tokens de salida 2,573 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.22s Tiempo de respuesta (total) 22.03s Tiempo de respuesta (máximo) 3.81s Respuesta incorrecta: 9 Error de API: 3 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 0.0 Trucos anti-IA : 6.6 Programación : 4.2 Combinado : 1.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#427#427	GPT-6 Luna Decisionsdefault	2.4	OpenAI	$0.005	495ms
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 13.0% Pruebas inestables 0 Tokens de entrada 47,583 Tokens de salida 0 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 495ms Tiempo de respuesta (total) 5.94s Tiempo de respuesta (máximo) 842ms Respuesta incorrecta: 8 No siguió las instrucciones: 1 Tareas de agentes : 0.0 Trucos anti-IA : 2.3 Programación : 2.5 Combinado : 0.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 0.0 Seguimiento de instrucciones : 1.5 Resolución de acertijos : 1.7 Llamada de herramientas : 0.0 Cultura general : 0.0
#428#428	Kev 4Bdefault	2.4	Jaredpalmer	$0.002	5.63s
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 15.9% Pruebas inestables 1 Tokens de entrada 42,804 Tokens de salida 28,061 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.63s Tiempo de respuesta (total) 67.61s Tiempo de respuesta (máximo) 17.79s Respuesta incorrecta: 9 Tareas de agentes : 0.0 Trucos anti-IA : 2.3 Programación : 4.5 Combinado : 0.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 0.0 Seguimiento de instrucciones : 1.5 Resolución de acertijos : 2.0 Llamada de herramientas : 0.0 Cultura general : 0.0
#430#430	Classify-1default	2.2	Scaledown	$0.008	4.58s
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 9 Fiabilidad 9.4 Tasa de aciertos por intento 18.8% Pruebas inestables 2 Tokens de entrada 195,645 Tokens de salida 164 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.58s Tiempo de respuesta (total) 55.01s Tiempo de respuesta (máximo) 13.35s Respuesta incorrecta: 8 Error de API: 1 Tareas de agentes : 0.0 Trucos anti-IA : 4.0 Programación : 2.7 Combinado : 0.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 0.0 Seguimiento de instrucciones : 1.5 Resolución de acertijos : 1.0 Llamada de herramientas : 0.0 Cultura general : 0.0
#432#432	Decider Flash V1.2default	1.9	Perplexity	$0.001	462ms
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 13.0% Pruebas inestables 0 Tokens de entrada 49,176 Tokens de salida 69 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 462ms Tiempo de respuesta (total) 5.55s Tiempo de respuesta (máximo) 661ms Respuesta incorrecta: 9 Tareas de agentes : 0.0 Trucos anti-IA : 4.0 Programación : 2.2 Combinado : 0.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 0.0 Seguimiento de instrucciones : 1.5 Resolución de acertijos : 1.0 Llamada de herramientas : 0.0 Cultura general : 0.0
#292#292	Trinity Large Thinkinghigh	5.7	Arcee AI	$0.794 ↑	74.52s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 42.0% Pruebas inestables 8 Tokens de entrada 283,116 Tokens de salida 277,920 Tokens de razonamiento 665,124 Tiempo de respuesta (promedio) 74.52s Tiempo de respuesta (total) 1713.90s Tiempo de respuesta (máximo) 510.21s Respuesta incorrecta: 10 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Sin respuesta: 1 Tareas de agentes : 10.0 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
#294#294	GPT-5.4 Mininone	5.7	OpenAI	$0.170	3.34s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 30.4% Pruebas inestables 2 Tokens de entrada 172,438 Tokens de salida 8,828 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.34s Tiempo de respuesta (total) 76.84s Tiempo de respuesta (máximo) 41.98s Respuesta incorrecta: 14 No siguió las instrucciones: 3 Tareas de agentes : 5.0 Trucos anti-IA : 3.1 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#295#295	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 9.7 Tasa de aciertos por intento 31.9% Pruebas inestables 2 Tokens de entrada 257,872 Tokens de salida 54,388 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.43s Tiempo de respuesta (total) 469.88s Tiempo de respuesta (máximo) 192.80s Respuesta incorrecta: 15 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 6.1 Trucos anti-IA : 3.6 Programación : 4.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.3 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#304#304	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.120 ↓	18.31s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 37.7% Pruebas inestables 4 Tokens de entrada 218,886 Tokens de salida 135,768 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 18.31s Tiempo de respuesta (total) 421.19s Tiempo de respuesta (máximo) 209.15s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.9 Trucos anti-IA : 3.4 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.5 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#307#307	Kimi K2.6none	5.5	Moonshot AI	$0.486 ↑	26.34s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 30.4% Pruebas inestables 3 Tokens de entrada 241,357 Tokens de salida 64,021 Tokens de razonamiento 1 Tiempo de respuesta (promedio) 26.34s Tiempo de respuesta (total) 605.78s Tiempo de respuesta (máximo) 238.89s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 4.6 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0

Tendencias globales del benchmark

Descubre cómo los modelos actuales equilibran puntuación, costo, velocidad, longitud de salida y rendimiento por categoría.

Gráficos →

Frontera de Pareto: inteligencia vs costo

Evolución de la mejor puntuación de las empresas líderes

Frontera de Pareto: inteligencia vs velocidad de respuesta

Frontera de Pareto: puntuación vs tokens de salida

Dificultad de las categorías entre modelos

Comparación rápida

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow