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: 2026-07-20 Modelos evaluados: 210

210/210

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#107#107	Qwen3.5 Plus 2026-02-15none	6.4	Qwen	$0.073 ↓	9.85s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 48.5% Pruebas inestables 2 Tokens de entrada 102,646 Tokens de salida 29,370 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.85s Tiempo de respuesta (total) 157.63s Tiempo de respuesta (máximo) 123.00s Respuesta incorrecta: 12 Trucos anti-IA : 4.8 Programación : 4.3 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#115#115	Gemma 4 31Bnone	6.2	Google	$0.035 ↑	5.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 48.5% Pruebas inestables 1 Tokens de entrada 125,728 Tokens de salida 13,317 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.34s Tiempo de respuesta (total) 106.82s Tiempo de respuesta (máximo) 29.95s Respuesta incorrecta: 9 Error de API: 2 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 6.5 Llamada de herramientas : 3.0 Cultura general : 3.0
#117#117	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
#120#120	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 51.5% Pruebas inestables 3 Tokens de entrada 119,065 Tokens de salida 11,118 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.86s Tiempo de respuesta (total) 40.88s Tiempo de respuesta (máximo) 12.97s Respuesta incorrecta: 8 No siguió las instrucciones: 3 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#123#123	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
#175#175	Qwen3.6 Plus Previewmedium	4.9	Qwen	$0.000	15.25s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 40.9% Pruebas inestables 0 Tokens de entrada 32,639 Tokens de salida 1,153 Tokens de razonamiento 62,197 Tiempo de respuesta (promedio) 15.25s Tiempo de respuesta (total) 182.96s Tiempo de respuesta (máximo) 43.55s Error de API: 8 Respuesta incorrecta: 2 Trucos anti-IA : 8.3 Programación : 9.8 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#185#185	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% Pruebas inestables 6 Tokens de entrada 42,845 Tokens de salida 2,006 Tokens de razonamiento 96,334 Tiempo de respuesta (promedio) 23.85s Tiempo de respuesta (total) 286.16s Tiempo de respuesta (máximo) 121.79s No siguió las instrucciones: 4 Respuesta incorrecta: 4 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 7.8 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.8 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 2.8 Cultura general : 3.0
#186#186	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 2 Tokens de entrada 44,969 Tokens de salida 58,087 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 14.73s Tiempo de respuesta (total) 220.93s Tiempo de respuesta (máximo) 53.14s Error de API: 4 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.5 Programación : 1.5 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#134#134	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% 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 : 5.0 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
#153#153	Hy3 previewlow	5.5	Tencent	$0.015 ↕	24.56s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 2 Tokens de entrada 21,045 Tokens de salida 63,460 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 24.56s Tiempo de respuesta (total) 368.35s Tiempo de respuesta (máximo) 78.74s Error de API: 7 Respuesta incorrecta: 4 Trucos anti-IA : 8.3 Programación : 5.3 Combinado : 5.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 2.8 Cultura general : 3.0
#62#62	KAT-Coder-Pro V2.5low	7.4	Kwaipilot	$0.387	19.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 8 Tokens de entrada 87,673 Tokens de salida 7,166 Tokens de razonamiento 101,474 Tiempo de respuesta (promedio) 19.47s Tiempo de respuesta (total) 428.31s Tiempo de respuesta (máximo) 209.15s Respuesta incorrecta: 10 Error de API: 1 Trucos anti-IA : 6.9 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#69#69	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.482	20.83s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 6 Tokens de entrada 106,076 Tokens de salida 9,071 Tokens de razonamiento 127,093 Tiempo de respuesta (promedio) 20.83s Tiempo de respuesta (total) 458.31s Tiempo de respuesta (máximo) 199.97s Respuesta incorrecta: 10 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.0 Programación : 6.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#71#71	Qwen3.7 Plusnone	7.2	Qwen	$0.106 ↓	12.09s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 0 Tokens de entrada 98,824 Tokens de salida 58,097 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.09s Tiempo de respuesta (total) 265.89s Tiempo de respuesta (máximo) 206.03s 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
#76#76	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 7 Tokens de entrada 101,047 Tokens de salida 11,834 Tokens de razonamiento 117,014 Tiempo de respuesta (promedio) 68.62s Tiempo de respuesta (total) 1509.53s Tiempo de respuesta (máximo) 376.10s Respuesta incorrecta: 5 Error de API: 2 Tiempo agotado: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#80#80	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.101	92.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 8.5 Tasa de aciertos por intento 57.6% Pruebas inestables 3 Tokens de entrada 125,467 Tokens de salida 10,778 Tokens de razonamiento 209,856 Tiempo de respuesta (promedio) 92.53s Tiempo de respuesta (total) 1665.50s Tiempo de respuesta (máximo) 301.78s Tiempo agotado: 5 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.6 Programación : 5.5 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#81#81	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.467	24.04s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 7 Tokens de entrada 87,907 Tokens de salida 7,213 Tokens de razonamiento 128,251 Tiempo de respuesta (promedio) 24.04s Tiempo de respuesta (total) 528.92s Tiempo de respuesta (máximo) 257.00s Respuesta incorrecta: 9 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 8.2 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#83#83	GPT-5.6 Solnone	6.9	OpenAI	$0.524	2.16s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 3 Tokens de entrada 78,593 Tokens de salida 4,357 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.16s Tiempo de respuesta (total) 47.62s Tiempo de respuesta (máximo) 12.81s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 6.5 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#86#86	Step 3.7 Flashhigh	6.9	Stepfun	$1.207	64.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 98,691 Tokens de salida 1,032,395 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 64.68s Tiempo de respuesta (total) 1423.01s Tiempo de respuesta (máximo) 364.99s Respuesta incorrecta: 6 Sin respuesta: 4 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 4.0 Combinado : 8.7 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
#87#87	GPT-5.5none	6.9	OpenAI	$0.544	2.36s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 56.1% Pruebas inestables 3 Tokens de entrada 79,285 Tokens de salida 4,915 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.36s Tiempo de respuesta (total) 51.88s Tiempo de respuesta (máximo) 12.24s Respuesta incorrecta: 11 Trucos anti-IA : 6.9 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#92#92	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.476	25.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 7 Tokens de entrada 98,499 Tokens de salida 135,861 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 25.56s Tiempo de respuesta (total) 562.43s Tiempo de respuesta (máximo) 335.41s Respuesta incorrecta: 10 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.7 Programación : 6.1 Combinado : 4.1 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#108#108	Ring-2.6-1Tmedium	6.3	Inclusionai	$0.103 ↑	68.74s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 4 Tokens de entrada 113,604 Tokens de salida 123,079 Tokens de razonamiento 42,754 Tiempo de respuesta (promedio) 68.74s Tiempo de respuesta (total) 1374.86s Tiempo de respuesta (máximo) 304.19s Respuesta incorrecta: 6 Error de API: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.3 Combinado : 7.3 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
#119#119	Qwen3.5-35B-A3Bmedium	6.2	Qwen	$0.837 ↓	112.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 6 Tokens de entrada 130,388 Tokens de salida 40,630 Tokens de razonamiento 786,040 Tiempo de respuesta (promedio) 112.47s Tiempo de respuesta (total) 2474.28s Tiempo de respuesta (máximo) 950.25s Tiempo agotado: 5 Sin respuesta: 2 Respuesta incorrecta: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 3.8 Análisis y extracción de datos : 7.3 Específico del dominio : 4.1 Inteligencia general : 2.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#209#209	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 0 Tokens de entrada 1,971 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: 4 No siguió las instrucciones: 1 Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 9.8 Combinado : 1.5 Análisis y extracción de datos : 1.5 Específico del dominio : 3.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 5.0 Resolución de acertijos : 0.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#93#93	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% 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 : 3.4 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
#130#130	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
#135#135	Hy3 previewhigh	5.9	Tencent	$0.048 ↕	56.57s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% 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 : 5.0 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
#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
#27#27	Muse Spark 1.1high	8.1	Meta	$1.694	31.49s
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 129,423 Tokens de salida 8,077 Tokens de razonamiento 352,421 Tiempo de respuesta (promedio) 31.49s Tiempo de respuesta (total) 661.28s Tiempo de respuesta (máximo) 196.03s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Error de API: 1 Sin respuesta: 1 Trucos anti-IA : 7.5 Programación : 10.0 Combinado : 5.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 7.8 Llamada de herramientas : 9.6 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
#52#52	Kimi K2.7 Codemedium	7.5	Moonshot AI	$0.751 ↓	84.25s
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 72,073 Tokens de salida 83,714 Tokens de razonamiento 178,793 Tiempo de respuesta (promedio) 84.25s Tiempo de respuesta (total) 1769.22s 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 : 7.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 3.0 Cultura general : 3.0

←

1 2 3 4 5 6 7

→

Comparación rápida

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida