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: 2026-05-10 Modelos evaluados: 144

144/144

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#54#54	Qwen3.6 Max Previewnone	7.2	Qwen	$0.083	3.31s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 64.9% Pruebas inestables 2 Tokens de salida 4,751 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.31s Tiempo de respuesta (total) 62.80s Tiempo de respuesta (máximo) 20.51s Respuesta incorrecta: 8 Trucos anti-IA : 5.2 Programación : 5.0 Combinado : 3.0 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
#53#53	GPT-5.4 Nanomedium	7.3	OpenAI	$0.084	10.87s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 64.9% Pruebas inestables 2 Tokens de salida 3,016 Tokens de razonamiento 59,306 Tiempo de respuesta (promedio) 10.87s Tiempo de respuesta (total) 206.61s Tiempo de respuesta (máximo) 94.06s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#52#52	Claude Opus 4.6medium	7.4	Anthropic	$1.710	24.59s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de salida 37,874 Tokens de razonamiento 21,390 Tiempo de respuesta (promedio) 24.59s Tiempo de respuesta (total) 295.08s Tiempo de respuesta (máximo) 83.40s Formato extra: 4 Respuesta incorrecta: 3 Trucos anti-IA : 6.4 Programación : 10.0 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
#51#51	Gemini 3.1 Flash Litehigh	7.5	Google	$2.044	61.96s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 7 Fiabilidad 9.8 Tasa de aciertos por intento 74.1% Pruebas inestables 4 Tokens de salida 1,984 Tokens de razonamiento 1,355,583 Tiempo de respuesta (promedio) 61.96s Tiempo de respuesta (total) 1115.31s Tiempo de respuesta (máximo) 149.23s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Sin respuesta: 1 Trucos anti-IA : 9.4 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0
#50#50	Qwen3.6 Flashmedium	7.5	Qwen	$0.305	15.85s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.9% Pruebas inestables 5 Tokens de salida 2,830 Tokens de razonamiento 194,258 Tiempo de respuesta (promedio) 15.85s Tiempo de respuesta (total) 301.13s Tiempo de respuesta (máximo) 122.87s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 10.0 Programación : 6.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#49#49	GLM 5V Turbomedium	7.5	Z.ai	$0.322	16.33s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 73.7% Pruebas inestables 6 Tokens de salida 2,373 Tokens de razonamiento 66,463 Tiempo de respuesta (promedio) 16.33s Tiempo de respuesta (total) 310.29s Tiempo de respuesta (máximo) 67.08s Respuesta incorrecta: 5 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 7.2 Programación : 10.0 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 7.0 Cultura general : 3.0
#48#48	DeepSeek V4 Flashhigh	7.6	DeepSeek	$0.033	45.88s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 5 Tokens de salida 10,281 Tokens de razonamiento 98,830 Tiempo de respuesta (promedio) 45.88s Tiempo de respuesta (total) 871.76s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 10.0 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 : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#47#47	GLM 5.1medium	7.6	Z.ai	$0.209	24.43s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 7 Fiabilidad 0.0 Tasa de aciertos por intento 71.9% Pruebas inestables 3 Tokens de salida 8,087 Tokens de razonamiento 51,269 Tiempo de respuesta (promedio) 24.43s Tiempo de respuesta (total) 439.65s Tiempo de respuesta (máximo) 118.52s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 4.7 Combinado : 9.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 8.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#46#46	GPT-5.3 Chatnone	7.6	OpenAI	$0.348	5.80s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 70.2% Pruebas inestables 3 Tokens de salida 21,353 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.80s Tiempo de respuesta (total) 110.27s Tiempo de respuesta (máximo) 18.33s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 6.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#45#45	Qwen3.5-Flashmedium	7.6	Qwen	$0.089	65.79s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 8 Fiabilidad 6.7 Tasa de aciertos por intento 77.2% Pruebas inestables 6 Tokens de salida 2,105 Tokens de razonamiento 228,936 Tiempo de respuesta (promedio) 65.79s Tiempo de respuesta (total) 1250.00s Tiempo de respuesta (máximo) 234.29s Tiempo agotado: 3 Respuesta incorrecta: 3 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 4.7 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#44#44	Gemini 3.1 Flash Litelow	7.6	Google	$0.025	1.92s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.4% Pruebas inestables 2 Tokens de salida 2,702 Tokens de razonamiento 8,596 Tiempo de respuesta (promedio) 1.92s Tiempo de respuesta (total) 36.49s Tiempo de respuesta (máximo) 5.66s Respuesta incorrecta: 7 Trucos anti-IA : 7.3 Programación : 10.0 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
#43#43	Step 3.5 Flashmedium	7.6	Stepfun	$0.011	41.66s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de salida 78,299 Tokens de razonamiento 173,409 Tiempo de respuesta (promedio) 41.66s Tiempo de respuesta (total) 499.91s Tiempo de respuesta (máximo) 170.45s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Trucos anti-IA : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#42#42	Kimi K2.6medium	7.6	Moonshot AI	$0.778	49.92s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.9% Pruebas inestables 3 Tokens de salida 96,469 Tokens de razonamiento 195,991 Tiempo de respuesta (promedio) 49.92s Tiempo de respuesta (total) 898.64s Tiempo de respuesta (máximo) 215.85s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Tiempo agotado: 2 Trucos anti-IA : 7.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#41#41	GPT-5.2 Chatnone	7.6	OpenAI	$0.309	6.85s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.9% Pruebas inestables 3 Tokens de salida 18,585 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.85s Tiempo de respuesta (total) 130.06s Tiempo de respuesta (máximo) 38.52s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#40#40	Gemini 3.1 Flash Lite Previewnone	7.7	Google	$0.016	1.28s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de salida 5,370 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.28s Tiempo de respuesta (total) 24.23s Tiempo de respuesta (máximo) 3.39s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 7.5 Programación : 10.0 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
#39#39	Hy3 previewlow	7.7	Tencent	$0.000	24.58s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 72.9% Pruebas inestables 1 Tokens de salida 63,155 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 24.58s Tiempo de respuesta (total) 368.71s Tiempo de respuesta (máximo) 78.74s Respuesta incorrecta: 4 Error de API: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 0.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.5 Llamada de herramientas : 6.6 Cultura general : 3.0
#38#38	Gemma 4 26B A4Bmedium	7.7	Google	$0.034	33.69s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 73.7% Pruebas inestables 3 Tokens de salida 16,725 Tokens de razonamiento 61,536 Tiempo de respuesta (promedio) 33.69s Tiempo de respuesta (total) 606.35s Tiempo de respuesta (máximo) 180.87s Respuesta incorrecta: 4 Tiempo agotado: 2 Trucos anti-IA : 10.0 Programación : 2.8 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 : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#37#37	MiMo-V2-Promedium	7.7	Xiaomi	$0.212	16.18s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 7 Fiabilidad 9.4 Tasa de aciertos por intento 77.2% Pruebas inestables 4 Tokens de salida 2,514 Tokens de razonamiento 55,816 Tiempo de respuesta (promedio) 16.18s Tiempo de respuesta (total) 307.48s Tiempo de respuesta (máximo) 82.71s Respuesta incorrecta: 4 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 4.7 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#36#36	Step 3.5 Flashnone	7.8	Stepfun	$0.020	39.03s
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 0 Tokens de salida 64,795 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 39.03s Tiempo de respuesta (total) 312.26s Tiempo de respuesta (máximo) 114.12s Error de API: 1 No siguió las instrucciones: 1 Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 0.0 Análisis y extracción de datos : 0.0 Específico del dominio : 10.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Llamada de herramientas : 0.0 Cultura general : 3.0
#34#34	Hy3 previewmedium	7.8	Tencent	$0.000	16.03s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 70.2% Pruebas inestables 1 Tokens de salida 72,551 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 16.03s Tiempo de respuesta (total) 288.59s Tiempo de respuesta (máximo) 46.04s Respuesta incorrecta: 4 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#35#35	Claude Sonnet 4.6medium	7.8	Anthropic	$1.237	14.25s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 70.2% Pruebas inestables 1 Tokens de salida 45,505 Tokens de razonamiento 28,370 Tiempo de respuesta (promedio) 14.25s Tiempo de respuesta (total) 156.71s Tiempo de respuesta (máximo) 46.35s Respuesta incorrecta: 3 Formato extra: 2 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 10.0 Combinado : 10.0 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
#33#33	Qwen3.5 Plus 2026-04-20medium	7.8	Qwen	$0.305	35.96s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 9.6 Tasa de aciertos por intento 73.7% Pruebas inestables 2 Tokens de salida 2,206 Tokens de razonamiento 118,998 Tiempo de respuesta (promedio) 35.96s Tiempo de respuesta (total) 683.23s Tiempo de respuesta (máximo) 92.57s Respuesta incorrecta: 6 Trucos anti-IA : 10.0 Programación : 7.6 Combinado : 10.0 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
#32#32	MiMo-V2.5medium	7.8	Xiaomi	$0.253	14.40s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 75.9% Pruebas inestables 3 Tokens de salida 2,821 Tokens de razonamiento 116,207 Tiempo de respuesta (promedio) 14.40s Tiempo de respuesta (total) 259.20s Tiempo de respuesta (máximo) 86.93s Formato extra: 2 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 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
#30#30	Gemini 3.1 Flash Lite Previewlow	7.9	Google	$0.023	3.12s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 68.4% Pruebas inestables 0 Tokens de salida 2,256 Tokens de razonamiento 8,478 Tiempo de respuesta (promedio) 3.12s Tiempo de respuesta (total) 59.34s Tiempo de respuesta (máximo) 11.91s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 10.0 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
#31#31	Qwen3.5-122B-A10Bmedium	7.9	Qwen	$0.561	32.51s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 3 Tokens de salida 18,457 Tokens de razonamiento 177,734 Tiempo de respuesta (promedio) 32.51s Tiempo de respuesta (total) 617.70s Tiempo de respuesta (máximo) 119.29s Respuesta incorrecta: 4 Tiempo agotado: 2 Trucos anti-IA : 10.0 Programación : 4.7 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 : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#29#29	Gemini 3 Flash Previewnone	7.9	Google	$0.021	1.61s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 73.7% Pruebas inestables 2 Tokens de salida 1,855 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.61s Tiempo de respuesta (total) 19.26s Tiempo de respuesta (máximo) 3.56s Respuesta incorrecta: 6 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 4.7 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#28#28	Qwen3.6 Plusmedium	7.9	Qwen	$0.016	17.06s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 70.2% Pruebas inestables 1 Tokens de salida 1,784 Tokens de razonamiento 91,543 Tiempo de respuesta (promedio) 17.06s Tiempo de respuesta (total) 307.07s Tiempo de respuesta (máximo) 47.51s Respuesta incorrecta: 4 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#27#27	Gemini 3.1 Flash Litemedium	7.9	Google	$0.059	3.14s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 71.9% Pruebas inestables 2 Tokens de salida 2,224 Tokens de razonamiento 32,034 Tiempo de respuesta (promedio) 3.14s Tiempo de respuesta (total) 59.62s Tiempo de respuesta (máximo) 10.87s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 10.0 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
#26#26	GPT-5.4medium	7.9	OpenAI	$0.861	18.38s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 3 Tokens de salida 2,199 Tokens de razonamiento 50,553 Tiempo de respuesta (promedio) 18.38s Tiempo de respuesta (total) 349.21s Tiempo de respuesta (máximo) 100.41s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#25#25	Gemini 2.5 Flashmedium	7.9	Google	$0.322	11.63s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 71.9% Pruebas inestables 1 Tokens de salida 1,909 Tokens de razonamiento 123,192 Tiempo de respuesta (promedio) 11.63s Tiempo de respuesta (total) 220.88s Tiempo de respuesta (máximo) 95.48s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Trucos anti-IA : 8.4 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumDisponible gratis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida