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: 2026-07-02 Modelos evaluados: 174

174/174

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#84#84	Qwen3.6 27Bmedium	6.6	Qwen	$0.336 ↓	59.71s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.3% Pruebas inestables 5 Tokens de entrada 39,376 Tokens de salida 16,189 Tokens de razonamiento 122,521 Tiempo de respuesta (promedio) 59.71s Tiempo de respuesta (total) 1254.01s Tiempo de respuesta (máximo) 168.22s Respuesta incorrecta: 6 Sin respuesta: 3 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 7.7 Combinado : 7.0 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
#83#83	Step 3.5 Flashmedium	6.6	Stepfun	$0.070 ↑	72.53s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 54.0% Pruebas inestables 1 Tokens de entrada 34,431 Tokens de salida 91,587 Tokens de razonamiento 195,973 Tiempo de respuesta (promedio) 72.53s Tiempo de respuesta (total) 1015.47s Tiempo de respuesta (máximo) 453.94s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 2.4 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
#82#82	GPT-5 Nanomedium	6.7	OpenAI	$0.081	42.51s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 57.1% Pruebas inestables 7 Tokens de entrada 34,108 Tokens de salida 5,464 Tokens de razonamiento 192,064 Tiempo de respuesta (promedio) 42.51s Tiempo de respuesta (total) 595.09s Tiempo de respuesta (máximo) 204.02s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 7.0 Combinado : 10.0 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
#81#81	gpt-oss-120bmedium	6.7	OpenAI	$0.011 ↓	22.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 52.4% Pruebas inestables 5 Tokens de entrada 39,084 Tokens de salida 20,013 Tokens de razonamiento 50,233 Tiempo de respuesta (promedio) 22.28s Tiempo de respuesta (total) 311.96s Tiempo de respuesta (máximo) 68.16s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Trucos anti-IA : 6.7 Programación : 5.9 Combinado : 10.0 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
#80#80	Mimo V2 PROmedium	6.7	Xiaomi	$0.333 ↑	22.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 73.0% Pruebas inestables 5 Tokens de entrada 40,961 Tokens de salida 2,518 Tokens de razonamiento 81,801 Tiempo de respuesta (promedio) 22.16s Tiempo de respuesta (total) 443.22s Tiempo de respuesta (máximo) 136.29s Respuesta incorrecta: 5 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.0 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
#79#79	MiMo-V2.5medium	6.7	Xiaomi	$0.061 ↓	27.11s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 69.8% Pruebas inestables 5 Tokens de entrada 41,838 Tokens de salida 2,827 Tokens de razonamiento 198,898 Tiempo de respuesta (promedio) 27.11s Tiempo de respuesta (total) 569.38s Tiempo de respuesta (máximo) 162.44s Respuesta incorrecta: 5 Formato extra: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.2 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
#78#78	Qwen3.6 35B A3Bmedium	6.7	Qwen	$0.146 ↑	18.08s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 63.5% Pruebas inestables 1 Tokens de entrada 16,385 Tokens de salida 19,632 Tokens de razonamiento 130,219 Tiempo de respuesta (promedio) 18.08s Tiempo de respuesta (total) 343.61s Tiempo de respuesta (máximo) 86.11s Respuesta incorrecta: 4 Error de API: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 7.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#77#77	Hy3 previewhigh	6.8	Tencent	$0.048 ↕	56.57s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 55.6% 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: 7 Respuesta incorrecta: 3 Trucos anti-IA : 6.4 Programación : 5.3 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
#76#76	Mimo V2 Omnimedium	6.8	Xiaomi	$0.683 ↓	41.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 55.6% Pruebas inestables 3 Tokens de entrada 37,007 Tokens de salida 1,952 Tokens de razonamiento 357,306 Tiempo de respuesta (promedio) 41.16s Tiempo de respuesta (total) 823.26s Tiempo de respuesta (máximo) 299.23s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 2 Error de API: 1 Formato extra: 1 Trucos anti-IA : 10.0 Programación : 3.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.4 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#75#75	Ring-2.6-1Tmedium	6.8	Inclusionai	$0.033 ↕	61.29s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 60.3% 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 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 10.0 Programación : 5.3 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
#74#74	Gemini 3.5 Flashminimal	6.8	Google	$0.108	1.57s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 1 Tokens de entrada 39,847 Tokens de salida 5,277 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.57s Tiempo de respuesta (total) 33.02s Tiempo de respuesta (máximo) 5.51s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Llamada de herramienta no válida: 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
#73#73	Qwen3.5-Flashmedium	6.8	Qwen	$0.080 ↓	63.29s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.4% Pruebas inestables 5 Tokens de entrada 38,926 Tokens de salida 2,088 Tokens de razonamiento 294,598 Tiempo de respuesta (promedio) 63.29s Tiempo de respuesta (total) 1265.85s Tiempo de respuesta (máximo) 234.29s Respuesta incorrecta: 4 Tiempo agotado: 3 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 3.7 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 : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#72#72	Grok 4.20 Betamedium	6.8	X AI	$0.750 ↑	9.75s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 4 Fiabilidad N/D Tasa de aciertos por intento 69.8% Pruebas inestables 1 Tokens de entrada 35,955 Tokens de salida 1,647 Tokens de razonamiento 91,565 Tiempo de respuesta (promedio) 9.75s Tiempo de respuesta (total) 175.48s Tiempo de respuesta (máximo) 31.36s Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 3.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 0.0
#71#71	Qwen3.7 Maxnone	6.9	Qwen	$0.054 ↓	1.30s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 0 Tokens de entrada 37,107 Tokens de salida 1,994 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.30s Tiempo de respuesta (total) 27.21s Tiempo de respuesta (máximo) 3.92s Respuesta incorrecta: 7 Trucos anti-IA : 6.5 Programación : 5.5 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
#70#70	Gemini 3 Flash Previewnone	6.9	Google	$0.025	1.65s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de entrada 37,011 Tokens de salida 1,885 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.65s Tiempo de respuesta (total) 23.07s Tiempo de respuesta (máximo) 3.56s Respuesta incorrecta: 8 Trucos anti-IA : 8.3 Programación : 5.5 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
#69#69	Gemini 3.5 Flashnone	7.0	Google	$1.079	9.93s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 77.8% Pruebas inestables 3 Tokens de entrada 13,843 Tokens de salida 117,518 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.93s Tiempo de respuesta (total) 178.68s Tiempo de respuesta (máximo) 64.36s Error de API: 3 Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 7.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 2.8
#68#68	Kimi K2.7 Codemedium	7.0	Moonshot AI	$0.583 ↓	83.60s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 9.2 Tasa de aciertos por intento 66.7% Pruebas inestables 6 Tokens de entrada 25,991 Tokens de salida 80,516 Tokens de razonamiento 161,391 Tiempo de respuesta (promedio) 83.60s Tiempo de respuesta (total) 1671.99s Tiempo de respuesta (máximo) 365.80s Respuesta incorrecta: 5 Tiempo agotado: 3 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 7.3 Programación : 7.6 Combinado : 4.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#67#67	Laguna XS 2.1medium	7.0	Poolside	$0.036	30.08s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 44.4% Pruebas inestables 1 Tokens de entrada 45,324 Tokens de salida 25,761 Tokens de razonamiento 268,677 Tiempo de respuesta (promedio) 30.08s Tiempo de respuesta (total) 631.77s Tiempo de respuesta (máximo) 155.23s Respuesta incorrecta: 11 Sin respuesta: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 9.6 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
#66#66	GLM 5.1medium	7.1	Z.ai	$0.395 ↑	33.67s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 6.7 Tasa de aciertos por intento 68.3% Pruebas inestables 4 Tokens de entrada 32,995 Tokens de salida 11,655 Tokens de razonamiento 75,421 Tiempo de respuesta (promedio) 33.67s Tiempo de respuesta (total) 673.41s Tiempo de respuesta (máximo) 172.60s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.6 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
#65#65	Step 3.7 Flashhigh	7.1	Stepfun	$1.148	64.46s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.5% Pruebas inestables 4 Tokens de entrada 38,391 Tokens de salida 991,355 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 64.46s Tiempo de respuesta (total) 1353.57s Tiempo de respuesta (máximo) 364.99s Respuesta incorrecta: 6 Sin respuesta: 4 Trucos anti-IA : 10.0 Programación : 4.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#64#64	MiMo-V2-Flashmedium	7.1	Xiaomi	$0.043 ↑	20.11s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 3 Tokens de entrada 40,111 Tokens de salida 12,476 Tokens de razonamiento 125,039 Tiempo de respuesta (promedio) 20.11s Tiempo de respuesta (total) 301.59s 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 : 6.0 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
#63#63	GLM 5.2none	7.1	Z.ai	$0.051 ↓	6.34s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 9.9 Tasa de aciertos por intento 60.3% Pruebas inestables 1 Tokens de entrada 38,671 Tokens de salida 4,817 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.34s Tiempo de respuesta (total) 133.19s Tiempo de respuesta (máximo) 20.69s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 3.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#62#62	Qwen3.7 Plusnone	7.2	Qwen	$0.023 ↓	2.85s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 47.6% Pruebas inestables 0 Tokens de entrada 42,510 Tokens de salida 6,578 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.85s Tiempo de respuesta (total) 59.86s Tiempo de respuesta (máximo) 29.38s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 Programación : 5.5 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
#61#61	Gemma 4 26B A4Bmedium	7.2	Google	$0.045 ↓	63.41s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 69.8% Pruebas inestables 2 Tokens de entrada 40,252 Tokens de salida 28,000 Tokens de razonamiento 100,490 Tiempo de respuesta (promedio) 63.41s Tiempo de respuesta (total) 1268.28s Tiempo de respuesta (máximo) 369.32s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 2 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
#60#60	DeepSeek V4 Pronone	7.2	DeepSeek	$0.034	6.41s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 9.9 Tasa de aciertos por intento 52.4% Pruebas inestables 3 Tokens de entrada 53,558 Tokens de salida 11,424 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.41s Tiempo de respuesta (total) 134.66s Tiempo de respuesta (máximo) 30.09s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Formato extra: 1 Trucos anti-IA : 3.2 Programación : 5.6 Combinado : 9.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#59#59	Claude Opus 4.8none	7.2	Anthropic	$0.539	3.48s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 61.9% Pruebas inestables 2 Tokens de entrada 67,104 Tokens de salida 8,107 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.48s Tiempo de respuesta (total) 73.00s Tiempo de respuesta (máximo) 17.73s Respuesta incorrecta: 4 Formato extra: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 9.5 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#58#58	GLM 5V Turbomedium	7.3	Z.ai	$0.457	23.08s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 6 Tokens de entrada 44,615 Tokens de salida 2,347 Tokens de razonamiento 98,415 Tiempo de respuesta (promedio) 23.08s Tiempo de respuesta (total) 484.63s Tiempo de respuesta (máximo) 95.88s Respuesta incorrecta: 7 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 7.2 Programación : 6.0 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 : 7.7 Llamada de herramientas : 7.0 Cultura general : 3.0
#57#57	Claude Sonnet 4.6none	7.3	Anthropic	$0.316	5.04s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 55.6% Pruebas inestables 1 Tokens de entrada 57,886 Tokens de salida 9,465 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.04s Tiempo de respuesta (total) 70.60s Tiempo de respuesta (máximo) 23.84s Respuesta incorrecta: 5 Formato extra: 4 No siguió las instrucciones: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 9.5 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 6.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#56#56	Hy3 previewmedium	7.3	Tencent	$0.018 ↕	16.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 0 Tokens de entrada 27,030 Tokens de salida 73,544 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 16.28s Tiempo de respuesta (total) 293.12s Tiempo de respuesta (máximo) 46.04s Error de API: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 5.3 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 : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#55#55	Grok 4.20medium	7.3	X AI	$0.609 ↓	27.68s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.5% Pruebas inestables 3 Tokens de entrada 44,433 Tokens de salida 1,819 Tokens de razonamiento 219,524 Tiempo de respuesta (promedio) 27.68s Tiempo de respuesta (total) 581.26s Tiempo de respuesta (máximo) 199.66s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Formato extra: 1 Trucos anti-IA : 8.2 Programación : 6.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 3.9 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0

←

1 2 3 4 5 6

→

Comparación rápida

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumDisponible gratis Gemini 3.5 FlashhighvsNorth Mini CodemediumDisponible gratis Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida