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)
#291#291	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.105 ↑	8.43s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 29.0% Pruebas inestables 6 Tokens de entrada 272,479 Tokens de salida 63,781 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.43s Tiempo de respuesta (total) 176.93s Tiempo de respuesta (máximo) 65.61s Respuesta incorrecta: 13 Error de API: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 5.2 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 3.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#290#290	Laguna XS 2.1none	5.3	Poolside	$0.020	4.56s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 29.0% Pruebas inestables 3 Tokens de entrada 270,072 Tokens de salida 23,173 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.56s Tiempo de respuesta (total) 104.80s Tiempo de respuesta (máximo) 70.79s Respuesta incorrecta: 14 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Tiempo agotado: 1 Tareas de agentes : 5.0 Trucos anti-IA : 5.3 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 3.8 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#289#289	Qwen3.6 Max Previewnone	5.3	Qwen	$0.228 ↓	7.82s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 9.9 Tasa de aciertos por intento 53.6% Pruebas inestables 2 Tokens de entrada 106,348 Tokens de salida 19,257 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.82s Tiempo de respuesta (total) 172.04s Tiempo de respuesta (máximo) 102.62s Respuesta incorrecta: 11 Tareas de agentes : 0.0 Trucos anti-IA : 5.2 Programación : 3.8 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#288#288	Kimi K2.5none	5.3	Moonshot AI	$0.262 ↑	35.86s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 29.0% Pruebas inestables 4 Tokens de entrada 275,349 Tokens de salida 49,389 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 35.86s Tiempo de respuesta (total) 609.61s Tiempo de respuesta (máximo) 321.19s Respuesta incorrecta: 17 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 2.8 Análisis y extracción de datos : 7.3 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#287#287	Granite 4.2 8Blow	5.3	IBM Granite	$0.036	58.20s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 9.2 Tasa de aciertos por intento 33.3% Pruebas inestables 1 Tokens de entrada 332,917 Tokens de salida 18,989 Tokens de razonamiento 42,362 Tiempo de respuesta (promedio) 58.20s Tiempo de respuesta (total) 1338.65s Tiempo de respuesta (máximo) 566.80s Respuesta incorrecta: 11 Tiempo agotado: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 6.1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 3.0 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#286#286	GPT-5.6 Lunanone	5.3	OpenAI	$0.042 ↓	3.78s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 34.8% Pruebas inestables 3 Tokens de entrada 230,744 Tokens de salida 8,000 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.78s Tiempo de respuesta (total) 86.83s Tiempo de respuesta (máximo) 53.77s Respuesta incorrecta: 15 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 Trucos anti-IA : 4.8 Programación : 3.8 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 7.1 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#285#285	Hy3 previewmedium	5.3	Tencent	$0.049 ↕	16.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 60.9% 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 Tareas de agentes : 0.0 Trucos anti-IA : 10.0 Programación : 5.3 Combinado : 5.0 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
#284#284	Ember-1none	5.4	Fireworks	$0.786	22.65s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 8.8 Tasa de aciertos por intento 43.5% Pruebas inestables 4 Tokens de entrada 202,617 Tokens de salida 11,832 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 22.65s Tiempo de respuesta (total) 520.91s Tiempo de respuesta (máximo) 93.12s Respuesta incorrecta: 10 Error de API: 5 Tareas de agentes : 6.1 Trucos anti-IA : 5.2 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.4 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#283#283	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 49.3% Pruebas inestables 3 Tokens de entrada 139,086 Tokens de salida 193,584 Tokens de razonamiento 413,546 Tiempo de respuesta (promedio) 190.48s Tiempo de respuesta (total) 3238.23s Tiempo de respuesta (máximo) 1597.85s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 2.8 Trucos anti-IA : 10.0 Programación : 2.4 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#282#282	MiMo-V2.6-Flashnone	5.4	Xiaomi	$0.060	6.20s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 30.4% Pruebas inestables 2 Tokens de entrada 276,697 Tokens de salida 75,728 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.20s Tiempo de respuesta (total) 142.63s Tiempo de respuesta (máximo) 62.57s Respuesta incorrecta: 15 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 Trucos anti-IA : 4.8 Programación : 3.7 Combinado : 3.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#281#281	Hy4 previewlow	5.4	Tencent	$1.855 ↑	207.21s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 20 Fiabilidad 6.5 Tasa de aciertos por intento 21.7% Pruebas inestables 4 Tokens de entrada 162,180 Tokens de salida 5,030 Tokens de razonamiento 682,447 Tiempo de respuesta (promedio) 207.21s Tiempo de respuesta (total) 4765.91s Tiempo de respuesta (máximo) 597.45s Respuesta incorrecta: 13 Error de API: 5 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 6.0 Programación : 5.2 Combinado : 2.9 Análisis y extracción de datos : 8.7 Específico del dominio : 4.5 Inteligencia general : 7.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#280#280	North Mini Codemedium	5.4	Cohere	$0.000	140.39s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 8.9 Tasa de aciertos por intento 42.0% Pruebas inestables 4 Tokens de entrada 166,347 Tokens de salida 423,884 Tokens de razonamiento 1,394,387 Tiempo de respuesta (promedio) 140.39s Tiempo de respuesta (total) 3229.07s Tiempo de respuesta (máximo) 786.72s Respuesta incorrecta: 10 Formato extra: 2 Error de API: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 3.9 Trucos anti-IA : 8.4 Programación : 4.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#279#279	Qwen3.8 27Bnone	5.4	Qwen	~$0.010	5.05s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 39.1% Pruebas inestables 0 Tokens de entrada 281,460 Tokens de salida 13,791 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.05s Tiempo de respuesta (total) 116.11s Tiempo de respuesta (máximo) 47.42s Respuesta incorrecta: 12 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 7.7 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#278#278	Claude Opus 4.7none	5.4	Anthropic	$0.505	3.02s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 69.6% Pruebas inestables 0 Tokens de entrada 69,576 Tokens de salida 6,265 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.02s Tiempo de respuesta (total) 57.44s Tiempo de respuesta (máximo) 18.27s Respuesta incorrecta: 3 Tareas de agentes : 0.0 Trucos anti-IA : 8.3 Programación : 3.3 Combinado : 4.8 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 : 3.0
#277#277	Seed-2.0-Codenone	5.4	Bytedance Seed	$0.257	17.51s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 9.0 Tasa de aciertos por intento 37.7% Pruebas inestables 6 Tokens de entrada 319,668 Tokens de salida 32,069 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 17.51s Tiempo de respuesta (total) 402.66s Tiempo de respuesta (máximo) 132.84s Respuesta incorrecta: 12 Formato extra: 2 No siguió las instrucciones: 2 Sin respuesta: 1 Tareas de agentes : 6.1 Trucos anti-IA : 3.0 Programación : 3.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#276#276	GLM 5V Turbomedium	5.5	Z.ai	$0.457	23.08s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 62.3% 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 Tareas de agentes : 0.0 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
#275#275	Gemma 4 26B A4Bnone	5.5	Google	$0.023 ↓	10.55s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 42.0% Pruebas inestables 1 Tokens de entrada 280,126 Tokens de salida 17,306 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.55s Tiempo de respuesta (total) 242.57s Tiempo de respuesta (máximo) 75.76s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 5.0 Trucos anti-IA : 8.3 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 : 6.3 Resolución de acertijos : 6.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#273#273	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 37.7% Pruebas inestables 1 Tokens de entrada 39,886 Tokens de salida 1,890 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.00s Tiempo de respuesta (total) 138.04s Tiempo de respuesta (máximo) 118.00s Respuesta incorrecta: 13 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 3.0 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#274#274	GPT-6 Lunanone	5.5	OpenAI	$0.026	20.48s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 9.9 Tasa de aciertos por intento 40.6% Pruebas inestables 5 Tokens de entrada 222,357 Tokens de salida 6,855 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.48s Tiempo de respuesta (total) 470.96s Tiempo de respuesta (máximo) 98.62s Respuesta incorrecta: 13 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 5.1 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#272#272	Ling 3.1 Flashnone	5.5	Inclusionai	$0.000	15.75s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.8 Tasa de aciertos por intento 33.3% Pruebas inestables 5 Tokens de entrada 286,758 Tokens de salida 85,777 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 15.75s Tiempo de respuesta (total) 362.23s Tiempo de respuesta (máximo) 90.95s Respuesta incorrecta: 9 No siguió las instrucciones: 5 Sin respuesta: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 6.1 Trucos anti-IA : 3.6 Programación : 4.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.0 Resolución de acertijos : 7.7 Llamada de herramientas : 4.7 Cultura general : 3.0
#271#271	Kimi K2.6none	5.5	Moonshot AI	$0.486 ↑	26.34s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 30.4% Pruebas inestables 3 Tokens de entrada 241,357 Tokens de salida 64,022 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 26.34s Tiempo de respuesta (total) 605.78s Tiempo de respuesta (máximo) 238.89s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 4.6 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#270#270	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 9.5 Tasa de aciertos por intento 42.0% Pruebas inestables 4 Tokens de entrada 229,346 Tokens de salida 18,597 Tokens de razonamiento 129,338 Tiempo de respuesta (promedio) 56.40s Tiempo de respuesta (total) 1184.46s Tiempo de respuesta (máximo) 431.98s Respuesta incorrecta: 6 Error de API: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 4.7 Trucos anti-IA : 8.3 Programación : 3.1 Combinado : 6.4 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
#269#269	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.169 ↓	18.31s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 37.7% Pruebas inestables 4 Tokens de entrada 218,886 Tokens de salida 135,768 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 18.31s Tiempo de respuesta (total) 421.19s Tiempo de respuesta (máximo) 209.15s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.9 Trucos anti-IA : 3.4 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.5 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#268#268	GLM 5none	5.6	Z.ai	$0.140 ↑	8.74s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 40.6% Pruebas inestables 1 Tokens de entrada 190,675 Tokens de salida 5,577 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.74s Tiempo de respuesta (total) 131.17s Tiempo de respuesta (máximo) 74.80s Respuesta incorrecta: 13 Tareas de agentes : 5.0 Trucos anti-IA : 4.8 Programación : 4.0 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#267#267	Solar Pro 4none	5.6	Upstage	$0.022	8.14s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 31.9% Pruebas inestables 1 Tokens de entrada 305,664 Tokens de salida 13,249 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.14s Tiempo de respuesta (total) 187.23s Tiempo de respuesta (máximo) 69.17s Respuesta incorrecta: 14 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 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