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: 2026-06-04 Modelos evaluados: 163

163/163

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#65#65	Grok 4.20medium	7.1	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
#100#100	Grok Build 0.1none	6.0	X AI	$0.547	28.69s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 50.9% Pruebas inestables 4 Tokens de entrada 11,793 Tokens de salida 267,275 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 28.69s Tiempo de respuesta (total) 459.00s Tiempo de respuesta (máximo) 138.35s Respuesta incorrecta: 7 Error de API: 3 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 3.0 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#26#26	Qwen3.6 Plusmedium	7.9	Qwen	$0.294 ↑	30.70s
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 41,565 Tokens de salida 1,853 Tokens de razonamiento 141,973 Tiempo de respuesta (promedio) 30.70s Tiempo de respuesta (total) 613.99s Tiempo de respuesta (máximo) 201.68s Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.1 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
#105#105	Nemotron 3 Supermedium	5.8	NVIDIA	$0.021 ↑	32.00s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 41.3% Pruebas inestables 2 Tokens de entrada 37,527 Tokens de salida 14,850 Tokens de razonamiento 33,754 Tiempo de respuesta (promedio) 32.00s Tiempo de respuesta (total) 607.91s Tiempo de respuesta (máximo) 232.25s Respuesta incorrecta: 5 Error de API: 3 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 8.3 Programación : 3.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.1 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#17#17	GLM 5medium	8.3	Z.ai	$0.228 ↓	33.54s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 82.5% Pruebas inestables 4 Tokens de entrada 35,224 Tokens de salida 21,570 Tokens de razonamiento 102,996 Tiempo de respuesta (promedio) 33.54s Tiempo de respuesta (total) 435.99s Tiempo de respuesta (máximo) 99.85s Respuesta incorrecta: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 7.1 Específico del dominio : 3.5 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#55#55	GLM 5.1medium	7.3	Z.ai	$0.292 ↓	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
#158#158	GLM 4.7 Flashmedium	4.4	Z.ai	$0.054	35.10s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 6.7 Tasa de aciertos por intento 33.3% Pruebas inestables 8 Tokens de entrada 37,206 Tokens de salida 43,754 Tokens de razonamiento 89,079 Tiempo de respuesta (promedio) 35.10s Tiempo de respuesta (total) 456.24s Tiempo de respuesta (máximo) 174.55s Respuesta incorrecta: 9 Sin respuesta: 3 No siguió las instrucciones: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.7 Programación : 3.2 Combinado : 2.8 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
#9#9	GPT-5.5medium	8.8	OpenAI	$3.679	37.98s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 87.3% Pruebas inestables 3 Tokens de entrada 34,212 Tokens de salida 1,985 Tokens de razonamiento 114,925 Tiempo de respuesta (promedio) 37.98s Tiempo de respuesta (total) 797.60s Tiempo de respuesta (máximo) 332.10s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 8.8 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 : 10.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#130#130	MiniMax M2.7medium	5.3	Minimax	$0.124 ↓	38.18s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 46.0% Pruebas inestables 8 Tokens de entrada 34,371 Tokens de salida 8,981 Tokens de razonamiento 89,812 Tiempo de respuesta (promedio) 38.18s Tiempo de respuesta (total) 763.60s Tiempo de respuesta (máximo) 196.21s Respuesta incorrecta: 6 No siguió las instrucciones: 5 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 7.9 Programación : 5.7 Combinado : 4.7 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
#18#18	Qwen3.7 Plusmedium	8.2	Qwen	$0.221	38.95s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 77.8% Pruebas inestables 2 Tokens de entrada 40,939 Tokens de salida 2,125 Tokens de razonamiento 125,754 Tiempo de respuesta (promedio) 38.95s Tiempo de respuesta (total) 817.85s Tiempo de respuesta (máximo) 178.04s Respuesta incorrecta: 5 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 10.0 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
#83#83	Step 3.5 Flashnone	6.6	Stepfun	$0.020	39.03s
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% 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 : 3.0 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 10.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#119#119	Cobuddymedium	5.6	Baidu	$0.000	39.90s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 47.6% Pruebas inestables 6 Tokens de entrada 37,449 Tokens de salida 1,677 Tokens de razonamiento 116,703 Tiempo de respuesta (promedio) 39.90s Tiempo de respuesta (total) 797.98s Tiempo de respuesta (máximo) 309.02s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.7 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 4.2 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#80#80	Mimo V2 Omnimedium	6.7	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
#29#29	Qwen3.5-122B-A10Bmedium	7.8	Qwen	$0.588 ↓	42.49s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 73.0% Pruebas inestables 3 Tokens de entrada 41,832 Tokens de salida 26,187 Tokens de razonamiento 251,028 Tiempo de respuesta (promedio) 42.49s Tiempo de respuesta (total) 892.30s Tiempo de respuesta (máximo) 168.16s Respuesta incorrecta: 5 Tiempo agotado: 2 Trucos anti-IA : 10.0 Programación : 6.0 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
#94#94	GPT-5 Nanomedium	6.3	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
#31#31	DeepSeek V4 Flashhigh	7.7	DeepSeek	$0.029 ↓	45.85s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 74.6% Pruebas inestables 4 Tokens de entrada 39,745 Tokens de salida 10,310 Tokens de razonamiento 123,501 Tiempo de respuesta (promedio) 45.85s Tiempo de respuesta (total) 962.79s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 7.8 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 : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#36#36	Qwen3.5 Plus 2026-04-20medium	7.6	Qwen	$0.317 ↓	46.36s
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 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 Trucos anti-IA : 10.0 Programación : 6.2 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
#19#19	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.175	47.07s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 76.2% Pruebas inestables 3 Tokens de entrada 46,740 Tokens de salida 3,230 Tokens de razonamiento 78,406 Tiempo de respuesta (promedio) 47.07s Tiempo de respuesta (total) 988.37s Tiempo de respuesta (máximo) 254.92s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 8.0 Combinado : 10.0 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
#38#38	Grok 4.3medium	7.6	X AI	$0.614	47.51s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.4% Pruebas inestables 4 Tokens de entrada 44,472 Tokens de salida 1,981 Tokens de razonamiento 221,382 Tiempo de respuesta (promedio) 47.51s Tiempo de respuesta (total) 997.68s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Formato extra: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#47#47	Grok Build 0.1medium	7.4	X AI	$0.927	49.90s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 61.9% Pruebas inestables 0 Tokens de entrada 44,418 Tokens de salida 2,782 Tokens de razonamiento 438,018 Tiempo de respuesta (promedio) 49.90s Tiempo de respuesta (total) 1047.92s Tiempo de respuesta (máximo) 252.69s Respuesta incorrecta: 5 Formato extra: 3 Trucos anti-IA : 8.3 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#96#96	Ring-2.6-1Tnone	6.2	Inclusionai	$0.026	55.10s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 47.6% Pruebas inestables 2 Tokens de entrada 7,599 Tokens de salida 39,954 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 55.10s Tiempo de respuesta (total) 881.55s Tiempo de respuesta (máximo) 143.82s Error de API: 5 Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 9.2 Programación : 5.3 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#27#27	Gemma 4 31Bmedium	7.8	Google	$0.035 ↓	56.55s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 69.8% Pruebas inestables 1 Tokens de entrada 17,957 Tokens de salida 22,356 Tokens de razonamiento 65,726 Tiempo de respuesta (promedio) 56.55s Tiempo de respuesta (total) 1074.41s Tiempo de respuesta (máximo) 437.40s Error de API: 2 Tiempo agotado: 2 Respuesta incorrecta: 2 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.3 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 : 9.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#82#82	Hy3 previewhigh	6.6	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
#14#14	Qwen3.6 Max Previewmedium	8.5	Qwen	$0.960 ↓	59.63s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 81.0% Pruebas inestables 2 Tokens de entrada 42,362 Tokens de salida 2,273 Tokens de razonamiento 144,367 Tiempo de respuesta (promedio) 59.63s Tiempo de respuesta (total) 1252.17s Tiempo de respuesta (máximo) 238.07s Respuesta incorrecta: 5 Trucos anti-IA : 10.0 Programación : 8.8 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
#78#78	Qwen3.6 27Bmedium	6.8	Qwen	$0.444 ↑	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
#75#75	Ring-2.6-1Tmedium	6.9	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
#53#53	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.5% Pruebas inestables 4 Tokens de entrada 29,134 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 Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Trucos anti-IA : 8.7 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
#49#49	Qwen3.5-Flashmedium	7.4	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
#37#37	Gemma 4 26B A4Bmedium	7.6	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
#71#71	Step 3.7 Flashhigh	7.0	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

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsNemotron 3 Ultra 550b A55bmediumDisponible gratis Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida