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: 2026-07-18 Modelos evaluados: 206

206/206

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#107#107	Gemma 4 31Bmedium	6.3	Google	$0.107 ↓	75.38s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 2 Tokens de entrada 94,992 Tokens de salida 34,468 Tokens de razonamiento 223,278 Tiempo de respuesta (promedio) 75.38s Tiempo de respuesta (total) 1507.52s Tiempo de respuesta (máximo) 437.40s Error de API: 2 Tiempo agotado: 2 Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.3 Combinado : 2.9 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
#126#126	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 9.2 Tasa de aciertos por intento 51.5% Pruebas inestables 1 Tokens de entrada 65,707 Tokens de salida 108,561 Tokens de razonamiento 293,993 Tiempo de respuesta (promedio) 174.22s Tiempo de respuesta (total) 2613.32s Tiempo de respuesta (máximo) 1597.85s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 2.4 Combinado : 6.5 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
#124#124	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
#63#63	Gemini 3.1 Flash Lite Previewmedium	7.3	Google	$0.115	4.61s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 0 Tokens de entrada 117,480 Tokens de salida 10,589 Tokens de razonamiento 46,394 Tiempo de respuesta (promedio) 4.61s Tiempo de respuesta (total) 101.39s Tiempo de respuesta (máximo) 18.34s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 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
#64#64	Gemini 3.1 Flash Litemedium	7.3	Google	$0.117	4.27s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 2 Tokens de entrada 104,918 Tokens de salida 9,168 Tokens de razonamiento 51,130 Tiempo de respuesta (promedio) 4.27s Tiempo de respuesta (total) 94.02s Tiempo de respuesta (máximo) 26.22s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 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
#122#122	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
#151#151	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
#53#53	GPT-5.4 Nanomedium	7.5	OpenAI	$0.138	13.24s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 4 Tokens de entrada 82,819 Tokens de salida 7,100 Tokens de razonamiento 90,022 Tiempo de respuesta (promedio) 13.24s Tiempo de respuesta (total) 291.33s Tiempo de respuesta (máximo) 94.06s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 9.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#110#110	Qwen3.5-Flashmedium	6.2	Qwen	$0.139 ↓	84.82s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 6 Tokens de entrada 118,499 Tokens de salida 12,284 Tokens de razonamiento 490,610 Tiempo de respuesta (promedio) 84.82s Tiempo de respuesta (total) 1781.22s Tiempo de respuesta (máximo) 515.38s Respuesta incorrecta: 4 Tiempo agotado: 3 Error de API: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 3.7 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#155#155	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
#160#160	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
#168#168	MiniMax M2.7medium	5.0	Minimax	$0.163 ↓	41.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 9 Tokens de entrada 114,518 Tokens de salida 18,558 Tokens de razonamiento 119,036 Tiempo de respuesta (promedio) 41.28s Tiempo de respuesta (total) 866.81s Tiempo de respuesta (máximo) 196.21s Respuesta incorrecta: 6 No siguió las instrucciones: 5 Sin respuesta: 2 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 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
#147#147	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
#190#190	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 7.8 Tasa de aciertos por intento 31.8% Pruebas inestables 8 Tokens de entrada 79,051 Tokens de salida 43,754 Tokens de razonamiento 374,109 Tiempo de respuesta (promedio) 142.59s Tiempo de respuesta (total) 1996.21s Tiempo de respuesta (máximo) 1539.97s Respuesta incorrecta: 9 Sin respuesta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Tiempo agotado: 2 Trucos anti-IA : 4.7 Programación : 3.2 Combinado : 2.9 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
#60#60	Gemini 3 Flash Previewlow	7.4	Google	$0.177	6.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 2 Tokens de entrada 123,684 Tokens de salida 9,572 Tokens de razonamiento 28,518 Tiempo de respuesta (promedio) 6.28s Tiempo de respuesta (total) 138.06s Tiempo de respuesta (máximo) 17.13s Respuesta incorrecta: 6 Trucos anti-IA : 10.0 Programación : 5.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#119#119	Inklinglow	6.1	Thinkingmachines	$0.187	5.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 9.9 Tasa de aciertos por intento 54.6% Pruebas inestables 4 Tokens de entrada 109,884 Tokens de salida 8,579 Tokens de razonamiento 10,343 Tiempo de respuesta (promedio) 5.15s Tiempo de respuesta (total) 113.39s Tiempo de respuesta (máximo) 41.58s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 8.3 Programación : 5.1 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#83#83	MiMo-V2.5-Promedium	6.9	Xiaomi	$0.187 ↓	33.92s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 139,883 Tokens de salida 15,521 Tokens de razonamiento 130,992 Tiempo de respuesta (promedio) 33.92s Tiempo de respuesta (total) 746.19s Tiempo de respuesta (máximo) 197.54s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.9 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#59#59	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.9 Tasa de aciertos por intento 68.2% Pruebas inestables 0 Tokens de entrada 95,983 Tokens de salida 12,446 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.52s Tiempo de respuesta (total) 99.52s Tiempo de respuesta (máximo) 72.30s Respuesta incorrecta: 7 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 6.5 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
#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
#95#95	Qwen3.6 Max Previewnone	6.6	Qwen	$0.231 ↓	7.82s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.9 Tasa de aciertos por intento 60.6% Pruebas inestables 2 Tokens de entrada 106,339 Tokens de salida 19,257 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.82s Tiempo de respuesta (total) 172.01s Tiempo de respuesta (máximo) 102.62s Respuesta incorrecta: 10 Trucos anti-IA : 5.2 Programación : 3.8 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#134#134	Kimi K2.6none	5.8	Moonshot AI	$0.233 ↑	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
#35#35	Seed-2.0-Litemedium	7.9	Bytedance Seed	$0.234	48.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 4 Tokens de entrada 129,897 Tokens de salida 12,533 Tokens de razonamiento 88,047 Tiempo de respuesta (promedio) 48.53s Tiempo de respuesta (total) 1067.74s Tiempo de respuesta (máximo) 254.92s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 8.0 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#26#26	GPT-5 Minimedium	8.1	OpenAI	$0.237	27.63s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 3 Tokens de entrada 98,374 Tokens de salida 14,434 Tokens de razonamiento 91,498 Tiempo de respuesta (promedio) 27.63s Tiempo de respuesta (total) 607.92s Tiempo de respuesta (máximo) 111.48s Respuesta incorrecta: 5 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 7.1 Programación : 10.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#138#138	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
#113#113	GPT-5.6 Lunalow	6.2	OpenAI	$0.249	5.04s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 56.1% Pruebas inestables 5 Tokens de entrada 96,346 Tokens de salida 8,211 Tokens de razonamiento 17,227 Tiempo de respuesta (promedio) 5.04s Tiempo de respuesta (total) 110.88s Tiempo de respuesta (máximo) 19.44s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 2.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#36#36	Qwen3.7 Plusmedium	7.9	Qwen	$0.267 ↓	51.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 3 Tokens de entrada 115,233 Tokens de salida 6,162 Tokens de razonamiento 173,267 Tiempo de respuesta (promedio) 51.51s Tiempo de respuesta (total) 1133.15s Tiempo de respuesta (máximo) 315.30s Respuesta incorrecta: 5 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#47#47	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.7 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 121,990 Tokens de salida 77,916 Tokens de razonamiento 173,553 Tiempo de respuesta (promedio) 74.98s Tiempo de respuesta (total) 1574.56s Tiempo de respuesta (máximo) 431.03s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 5.5 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.5 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#31#31	GLM 5.2high	8.0	Z.ai	$0.296 ↓	62.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 3 Tokens de entrada 83,813 Tokens de salida 69,688 Tokens de razonamiento 225,659 Tiempo de respuesta (promedio) 62.65s Tiempo de respuesta (total) 1378.34s Tiempo de respuesta (máximo) 599.43s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#87#87	Gemini 3.5 Flashminimal	6.8	Google	$0.300	2.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 1 Tokens de entrada 100,753 Tokens de salida 16,454 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.65s Tiempo de respuesta (total) 58.27s Tiempo de respuesta (máximo) 25.26s Respuesta incorrecta: 5 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 Programación : 5.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 10.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#69#69	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 42,097 Tokens de salida 2,280 Tokens de razonamiento 166,613 Tiempo de respuesta (promedio) 46.36s Tiempo de respuesta (total) 973.57s Tiempo de respuesta (máximo) 189.38s Respuesta incorrecta: 8 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.9 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 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