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: 2026-07-18 Modelos evaluados: 206

206/206

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#61#61	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
#134#134	Kimi K2.6none	5.8	Moonshot AI	$0.233 ↑	19.58s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 2 Tokens de entrada 116,970 Tokens de salida 30,253 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 19.58s Tiempo de respuesta (total) 430.85s Tiempo de respuesta (máximo) 238.89s Respuesta incorrecta: 11 No siguió las instrucciones: 3 Sin respuesta: 1 Trucos anti-IA : 4.6 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#109#109	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% 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 : 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
#66#66	Step 3.7 Flashlow	7.3	Stepfun	$0.454	20.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 5 Tokens de entrada 103,833 Tokens de salida 376,581 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.68s Tiempo de respuesta (total) 455.01s Tiempo de respuesta (máximo) 124.75s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 7.3 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 3.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#68#68	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
#25#25	Gemini 2.5 Flashmedium	8.2	Google	$0.643	21.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 1 Tokens de entrada 132,498 Tokens de salida 12,739 Tokens de razonamiento 228,464 Tiempo de respuesta (promedio) 21.18s Tiempo de respuesta (total) 465.89s Tiempo de respuesta (máximo) 140.50s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.4 Programación : 7.8 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
#7#7	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.361	21.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 90.9% Pruebas inestables 0 Tokens de entrada 92,287 Tokens de salida 5,232 Tokens de razonamiento 92,726 Tiempo de respuesta (promedio) 21.47s Tiempo de respuesta (total) 322.08s Tiempo de respuesta (máximo) 88.68s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 7.9 Combinado : 9.8 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 : 10.0
#202#202	gpt-oss-120bnone	3.7	OpenAI	$0.010 ↓	21.61s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 2 Tokens de entrada 9,081 Tokens de salida 51,664 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 21.61s Tiempo de respuesta (total) 345.79s Tiempo de respuesta (máximo) 113.71s Respuesta incorrecta: 8 Error de API: 3 No siguió las instrucciones: 2 Trucos anti-IA : 6.5 Programación : 1.5 Combinado : 1.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#117#117	gpt-oss-120bmedium	6.1	OpenAI	$0.019 ↓	21.91s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 5 Tokens de entrada 108,747 Tokens de salida 29,772 Tokens de razonamiento 68,044 Tiempo de respuesta (promedio) 21.91s Tiempo de respuesta (total) 328.70s Tiempo de respuesta (máximo) 68.16s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.7 Programación : 5.9 Combinado : 6.5 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
#106#106	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 69.7% 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 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
#21#21	GPT-5.2medium	8.4	OpenAI	$0.951	22.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 4 Tokens de entrada 105,004 Tokens de salida 9,914 Tokens de razonamiento 44,868 Tiempo de respuesta (promedio) 22.62s Tiempo de respuesta (total) 339.28s Tiempo de respuesta (máximo) 102.93s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#49#49	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 35,593 Tokens de salida 12,245 Tokens de razonamiento 62,277 Tiempo de respuesta (promedio) 23.00s Tiempo de respuesta (total) 482.97s Tiempo de respuesta (máximo) 194.23s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#91#91	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
#18#18	GPT-5.4medium	8.5	OpenAI	$1.533	23.10s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 4 Tokens de entrada 81,127 Tokens de salida 6,155 Tokens de razonamiento 82,515 Tiempo de respuesta (promedio) 23.10s Tiempo de respuesta (total) 508.26s Tiempo de respuesta (máximo) 100.41s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 8.8 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
#38#38	GLM 5.2medium	7.8	Z.ai	$0.068 ↓	23.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 9.5 Tasa de aciertos por intento 80.3% Pruebas inestables 4 Tokens de entrada 37,199 Tokens de salida 12,261 Tokens de razonamiento 49,500 Tiempo de respuesta (promedio) 23.28s Tiempo de respuesta (total) 488.94s Tiempo de respuesta (máximo) 101.36s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#181#181	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
#80#80	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
#149#149	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
#16#16	Muse Spark 1.1medium	8.6	Meta	$1.357	24.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 2 Tokens de entrada 142,567 Tokens de salida 7,905 Tokens de razonamiento 269,225 Tiempo de respuesta (promedio) 24.97s Tiempo de respuesta (total) 549.31s Tiempo de respuesta (máximo) 165.38s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#121#121	Qwen3.5-Flashnone	6.1	Qwen	$0.073 ↓	25.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 39.4% Pruebas inestables 2 Tokens de entrada 282,347 Tokens de salida 209,201 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 25.28s Tiempo de respuesta (total) 556.24s Tiempo de respuesta (máximo) 480.96s Respuesta incorrecta: 13 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#90#90	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
#40#40	Claude Sonnet 4.6medium	7.8	Anthropic	$2.057	25.91s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de entrada 106,292 Tokens de salida 80,748 Tokens de razonamiento 35,117 Tiempo de respuesta (promedio) 25.91s Tiempo de respuesta (total) 362.78s Tiempo de respuesta (máximo) 140.96s Respuesta incorrecta: 4 Formato extra: 3 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 5.7 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
#56#56	GPT-5.4 Minimedium	7.5	OpenAI	$0.756	25.94s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 6 Tokens de entrada 97,155 Tokens de salida 6,211 Tokens de razonamiento 145,544 Tiempo de respuesta (promedio) 25.94s Tiempo de respuesta (total) 570.66s Tiempo de respuesta (máximo) 138.75s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.6 Programación : 8.4 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 4.7 Cultura general : 3.0
#29#29	Step 3.7 Flashmedium	8.0	Stepfun	$0.515	26.37s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.9 Tasa de aciertos por intento 72.7% Pruebas inestables 3 Tokens de entrada 114,062 Tokens de salida 427,572 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 26.37s Tiempo de respuesta (total) 580.25s Tiempo de respuesta (máximo) 152.83s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.7 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
#198#198	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% 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 : 3.3 Combinado : 1.5 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
#74#74	Grok 4.20medium	7.1	X AI	$0.777 ↓	29.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 4 Tokens de entrada 102,791 Tokens de salida 5,363 Tokens de razonamiento 253,977 Tiempo de respuesta (promedio) 29.47s Tiempo de respuesta (total) 648.35s Tiempo de respuesta (máximo) 199.66s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.3 Combinado : 8.7 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
#167#167	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 8.7 Tasa de aciertos por intento 18.2% Pruebas inestables 0 Tokens de entrada 130,492 Tokens de salida 26,786 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 29.95s Tiempo de respuesta (total) 658.82s Tiempo de respuesta (máximo) 159.85s Respuesta incorrecta: 12 Formato extra: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.0 Programación : 3.9 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.5 Llamada de herramientas : 9.5 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
#98#98	MiMo-V2.5medium	6.5	Xiaomi	$0.082 ↓	32.20s
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 105,447 Tokens de salida 7,120 Tokens de razonamiento 230,682 Tiempo de respuesta (promedio) 32.20s Tiempo de respuesta (total) 708.46s Tiempo de respuesta (máximo) 162.44s Respuesta incorrecta: 5 Formato extra: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 8.7 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

←

1 2 3 4 5 6 7

→

Comparación rápida

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida