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: 2026-10-03 Modelos evaluados: 391

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

391/391

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#316#316	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 33,960 Tokens de razonamiento 0 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
#315#315	Ling 2.6 1tnone	4.9	Inclusionai	$0.016 ↑	8.16s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 17.4% Pruebas inestables 0 Tokens de entrada 106,423 Tokens de salida 11,555 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.16s Tiempo de respuesta (total) 163.24s Tiempo de respuesta (máximo) 25.72s Respuesta incorrecta: 12 Error de API: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 3.4 Programación : 3.8 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 3.1 Llamada de herramientas : 3.0 Cultura general : 3.0
#314#314	Gemini 3 PRO Previewmedium	4.9	Google	$0.385 ↑	9.05s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad N/D Tasa de aciertos por intento 60.9% Pruebas inestables 0 Tokens de entrada 28,848 Tokens de salida 1,490 Tokens de razonamiento 10,102 Tiempo de respuesta (promedio) 9.05s Tiempo de respuesta (total) 90.53s Tiempo de respuesta (máximo) 26.24s Error de API: 4 Respuesta incorrecta: 3 Tareas de agentes : 0.0 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 1.5 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 : 10.0 Cultura general : 3.0
#313#313	Laguna S 2.1high	4.9	Poolside	$0.145 ↓	113.63s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 27.5% Pruebas inestables 6 Tokens de entrada 344,806 Tokens de salida 177,330 Tokens de razonamiento 453,213 Tiempo de respuesta (promedio) 113.63s Tiempo de respuesta (total) 2613.48s Tiempo de respuesta (máximo) 1190.11s Respuesta incorrecta: 12 Llamada de herramienta no válida: 2 Sin respuesta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 2.8 Trucos anti-IA : 3.4 Programación : 5.3 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.6 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#312#312	Qwen3 Coder Nextnone	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
#311#311	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 8,770 Tokens de razonamiento 0 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
#310#310	Grok 4.20 Betamedium	4.9	X AI	$0.750 ↑	9.75s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 4 Fiabilidad N/D Tasa de aciertos por intento 63.8% 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 Tareas de agentes : 0.0 Trucos anti-IA : 8.7 Programación : 3.3 Combinado : 5.0 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
#309#309	KAT Coder AIR V2.5low	5.0	Kwaipilot	$0.046	10.21s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 9.9 Tasa de aciertos por intento 42.0% Pruebas inestables 6 Tokens de entrada 61,094 Tokens de salida 6,532 Tokens de razonamiento 53,882 Tiempo de respuesta (promedio) 10.21s Tiempo de respuesta (total) 234.86s Tiempo de respuesta (máximo) 86.23s Respuesta incorrecta: 7 Formato extra: 4 Error de API: 3 No siguió las instrucciones: 2 Tareas de agentes : 3.0 Trucos anti-IA : 7.3 Programación : 3.5 Combinado : 6.4 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#308#308	GPT-4o-mininone	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
#307#307	Dots 3 Note Previewnone	5.0	Dots Studio	$0.000	5.36s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 20 Fiabilidad 10.0 Tasa de aciertos por intento 15.9% Pruebas inestables 1 Tokens de entrada 225,907 Tokens de salida 22,507 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.36s Tiempo de respuesta (total) 123.38s Tiempo de respuesta (máximo) 45.71s Respuesta incorrecta: 16 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.9 Trucos anti-IA : 3.1 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#306#306	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
#305#305	Mercury 2.5 Previewlow	5.0	Inception	$0.015 ↑	4.92s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 9.9 Tasa de aciertos por intento 44.9% Pruebas inestables 8 Tokens de entrada 235,438 Tokens de salida 8,136 Tokens de razonamiento 28,734 Tiempo de respuesta (promedio) 4.92s Tiempo de respuesta (total) 113.24s Tiempo de respuesta (máximo) 84.47s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 5.6 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.3 Específico del dominio : 4.1 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 8.2 Llamada de herramientas : 2.8 Cultura general : 3.0
#304#304	Laguna S 2.1medium	5.0	Poolside	$0.092 ↑	63.06s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 24.6% Pruebas inestables 4 Tokens de entrada 230,291 Tokens de salida 99,030 Tokens de razonamiento 287,794 Tiempo de respuesta (promedio) 63.06s Tiempo de respuesta (total) 1450.31s Tiempo de respuesta (máximo) 560.31s Respuesta incorrecta: 14 Llamada de herramienta no válida: 2 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 3.4 Trucos anti-IA : 3.4 Programación : 5.3 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.2 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#303#303	Apodex 1.1 Mininone	5.1	Apodex	$0.000	7.79s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 20 Fiabilidad 10.0 Tasa de aciertos por intento 29.0% Pruebas inestables 8 Tokens de entrada 465,127 Tokens de salida 72,309 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.79s Tiempo de respuesta (total) 179.09s Tiempo de respuesta (máximo) 121.52s Respuesta incorrecta: 16 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Tareas de agentes : 5.2 Trucos anti-IA : 3.4 Programación : 3.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.4 Seguimiento de instrucciones : 4.9 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#302#302	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
#301#301	KAT Coder AIR V2.5medium	5.1	Kwaipilot	$0.048	8.32s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 9.6 Tasa de aciertos por intento 43.5% Pruebas inestables 3 Tokens de entrada 51,369 Tokens de salida 8,008 Tokens de razonamiento 58,568 Tiempo de respuesta (promedio) 8.32s Tiempo de respuesta (total) 191.40s Tiempo de respuesta (máximo) 48.19s Respuesta incorrecta: 10 Error de API: 2 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Tareas de agentes : 3.0 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
#300#300	Mercury 2.5low	5.1	Inception	$0.020	3.34s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 9.8 Tasa de aciertos por intento 37.7% Pruebas inestables 5 Tokens de entrada 326,083 Tokens de salida 7,224 Tokens de razonamiento 33,078 Tiempo de respuesta (promedio) 3.34s Tiempo de respuesta (total) 76.80s Tiempo de respuesta (máximo) 47.06s Respuesta incorrecta: 14 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 6.9 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.6 Inteligencia general : 4.4 Seguimiento de instrucciones : 2.9 Resolución de acertijos : 5.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#299#299	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
#298#298	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
#297#297	MiMo-V2-Flashmedium	5.1	Xiaomi	$0.043 ↑	20.11s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 59.4% 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 Tareas de agentes : 0.0 Trucos anti-IA : 8.1 Programación : 6.0 Combinado : 4.9 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
#295#295	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 9.8 Tasa de aciertos por intento 40.6% Pruebas inestables 5 Tokens de entrada 50,423 Tokens de salida 4,144 Tokens de razonamiento 110,510 Tiempo de respuesta (promedio) 15.23s Tiempo de respuesta (total) 350.26s Tiempo de respuesta (máximo) 118.35s Respuesta incorrecta: 9 Error de API: 4 Formato extra: 3 Tareas de agentes : 3.0 Trucos anti-IA : 6.9 Programación : 4.3 Combinado : 6.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#296#296	Mimo V2 PROmedium	5.2	Xiaomi	$0.333 ↑	22.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 66.7% 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 Tareas de agentes : 0.0 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 2.3 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
#294#294	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.117 ↕	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
#293#293	Ling 3.0 Flashnone	5.2	Inclusionai	$0.004 ↕	3.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 26.1% Pruebas inestables 0 Tokens de entrada 123,993 Tokens de salida 12,777 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.40s Tiempo de respuesta (total) 74.77s Tiempo de respuesta (máximo) 17.51s Respuesta incorrecta: 13 Error de API: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#292#292	Inkling Smalllow	5.2	Thinkingmachines	$0.055 ↓	1.99s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 47.8% Pruebas inestables 4 Tokens de entrada 81,447 Tokens de salida 2,715 Tokens de razonamiento 11,971 Tiempo de respuesta (promedio) 1.99s Tiempo de respuesta (total) 45.67s Tiempo de respuesta (máximo) 5.82s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Error de API: 1 Tareas de agentes : 3.0 Trucos anti-IA : 9.2 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.3 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 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