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: 2026-07-02 Modelos evaluados: 174

174/174

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#54#54	Gemini 3 Flash Previewlow	7.4	Google	$0.111	5.76s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 79.4% Pruebas inestables 2 Tokens de entrada 36,769 Tokens de salida 2,076 Tokens de razonamiento 28,518 Tiempo de respuesta (promedio) 5.76s Tiempo de respuesta (total) 120.93s Tiempo de respuesta (máximo) 14.72s Respuesta incorrecta: 5 Trucos anti-IA : 10.0 Programación : 5.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#53#53	MiMo-V2.5-Promedium	7.4	Xiaomi	$0.106 ↓	26.13s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 4 Tokens de entrada 40,854 Tokens de salida 5,015 Tokens de razonamiento 97,742 Tiempo de respuesta (promedio) 26.13s Tiempo de respuesta (total) 548.65s Tiempo de respuesta (máximo) 130.77s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#52#52	Seed-2.0-Minimedium	7.4	Bytedance Seed	$0.044	80.22s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 6.7 Tasa de aciertos por intento 57.1% Pruebas inestables 2 Tokens de entrada 41,904 Tokens de salida 2,555 Tokens de razonamiento 95,974 Tiempo de respuesta (promedio) 80.22s Tiempo de respuesta (total) 1363.72s Tiempo de respuesta (máximo) 262.83s Tiempo agotado: 5 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Trucos anti-IA : 6.6 Programación : 5.5 Combinado : 10.0 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
#51#51	Claude Opus 4.7none	7.4	Anthropic	$0.505	3.02s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 76.2% 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 Trucos anti-IA : 8.3 Programación : 3.3 Combinado : 9.5 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
#50#50	DeepSeek V3.2medium	7.5	DeepSeek	$0.044 ↓	68.71s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 6 Tokens de entrada 38,333 Tokens de salida 7,186 Tokens de razonamiento 99,081 Tiempo de respuesta (promedio) 68.71s Tiempo de respuesta (total) 1442.81s Tiempo de respuesta (máximo) 376.10s Respuesta incorrecta: 5 Error de API: 2 Tiempo agotado: 2 No siguió las instrucciones: 1 Trucos anti-IA : 8.2 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 : 7.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#49#49	Qwen3.6 Flashmedium	7.5	Qwen	$0.288 ↓	19.25s
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 42,362 Tokens de salida 2,995 Tokens de razonamiento 245,358 Tiempo de respuesta (promedio) 19.25s Tiempo de respuesta (total) 404.20s Tiempo de respuesta (máximo) 122.87s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 5.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#48#48	GPT-5.4 Nanomedium	7.5	OpenAI	$0.107	11.95s
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 35,434 Tokens de salida 3,014 Tokens de razonamiento 76,520 Tiempo de respuesta (promedio) 11.95s Tiempo de respuesta (total) 250.98s Tiempo de respuesta (máximo) 94.06s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#47#47	GPT-5.3 Chatnone	7.5	OpenAI	$0.433	6.34s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 34,209 Tokens de salida 26,617 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.34s Tiempo de respuesta (total) 133.13s Tiempo de respuesta (máximo) 18.33s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Trucos anti-IA : 6.7 Programación : 5.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#46#46	Mercury 2medium	7.5	Inception	$0.058	2.24s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 54.0% Pruebas inestables 3 Tokens de entrada 35,116 Tokens de salida 4,048 Tokens de razonamiento 61,219 Tiempo de respuesta (promedio) 2.24s Tiempo de respuesta (total) 44.72s Tiempo de respuesta (máximo) 14.63s Respuesta incorrecta: 8 No siguió las instrucciones: 3 Trucos anti-IA : 6.9 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#45#45	Kimi K2.5medium	7.5	Moonshot AI	$0.348 ↓	98.43s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 8 Tokens de entrada 34,312 Tokens de salida 48,379 Tokens de razonamiento 157,747 Tiempo de respuesta (promedio) 98.43s Tiempo de respuesta (total) 1378.03s Tiempo de respuesta (máximo) 281.00s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 2 Tiempo agotado: 2 Trucos anti-IA : 7.3 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#44#44	Grok Build 0.1medium	7.6	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
#43#43	DeepSeek V4 Prohigh	7.6	DeepSeek	$0.157	77.20s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 9.3 Tasa de aciertos por intento 66.7% Pruebas inestables 8 Tokens de entrada 38,726 Tokens de salida 6,334 Tokens de razonamiento 159,151 Tiempo de respuesta (promedio) 77.20s Tiempo de respuesta (total) 1621.17s Tiempo de respuesta (máximo) 416.76s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 5.7 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 : 7.8 Resolución de acertijos : 6.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#42#42	MiniMax M3medium	7.6	Minimax	$0.131	68.17s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 9.6 Tasa de aciertos por intento 65.1% Pruebas inestables 5 Tokens de entrada 46,546 Tokens de salida 49,036 Tokens de razonamiento 92,543 Tiempo de respuesta (promedio) 68.17s Tiempo de respuesta (total) 1363.38s 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
#41#41	Step 3.7 Flashlow	7.7	Stepfun	$0.341	15.74s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 4 Tokens de entrada 40,101 Tokens de salida 289,325 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 15.74s Tiempo de respuesta (total) 330.63s Tiempo de respuesta (máximo) 124.75s Respuesta incorrecta: 8 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 10.0 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
#40#40	Claude Opus 4.6medium	7.7	Anthropic	$2.053	25.89s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 61.9% Pruebas inestables 3 Tokens de entrada 53,227 Tokens de salida 47,446 Tokens de razonamiento 24,000 Tiempo de respuesta (promedio) 25.89s Tiempo de respuesta (total) 362.49s Tiempo de respuesta (máximo) 83.40s Formato extra: 5 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 6.4 Programación : 5.7 Combinado : 10.0 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
#39#39	Grok 4.3medium	7.7	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
#38#38	Claude Opus 4.8low	7.7	Anthropic	$1.270	10.83s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 79.4% Pruebas inestables 3 Tokens de entrada 60,946 Tokens de salida 31,771 Tokens de razonamiento 6,831 Tiempo de respuesta (promedio) 10.83s Tiempo de respuesta (total) 227.39s Tiempo de respuesta (máximo) 127.97s Respuesta incorrecta: 4 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 9.8 Análisis y extracción de datos : 6.3 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
#37#37	Qwen3.5-122B-A10Bmedium	7.7	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
#36#36	Kimi K2.6medium	7.8	Moonshot AI	$0.888 ↓	71.67s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 3 Tokens de entrada 29,450 Tokens de salida 102,923 Tokens de razonamiento 254,094 Tiempo de respuesta (promedio) 71.67s Tiempo de respuesta (total) 1433.36s Tiempo de respuesta (máximo) 406.78s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 7.0 Programación : 5.7 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 : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#35#35	Gemini 3.1 Flash Litemedium	7.8	Google	$0.071	3.23s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 2 Tokens de entrada 36,808 Tokens de salida 2,254 Tokens de razonamiento 38,300 Tiempo de respuesta (promedio) 3.23s Tiempo de respuesta (total) 67.80s Tiempo de respuesta (máximo) 10.87s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#34#34	Qwen3.5 Plus 2026-04-20medium	7.8	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
#33#33	Gemini 3.1 Flash Lite Previewmedium	7.8	Google	$0.068	3.96s
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 37,786 Tokens de salida 2,210 Tokens de razonamiento 36,744 Tiempo de respuesta (promedio) 3.96s Tiempo de respuesta (total) 83.06s Tiempo de respuesta (máximo) 14.93s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 10.0 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
#32#32	Claude Sonnet 4.6medium	7.8	Anthropic	$1.418	17.06s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 2 Tokens de entrada 49,112 Tokens de salida 54,703 Tokens de razonamiento 29,970 Tiempo de respuesta (promedio) 17.06s Tiempo de respuesta (total) 221.83s Tiempo de respuesta (máximo) 46.35s 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
#31#31	Qwen3.6 Plusmedium	7.8	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
#30#30	Claude Sonnet 5medium	7.9	Anthropic	$0.550	9.94s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 79.4% Pruebas inestables 3 Tokens de entrada 67,416 Tokens de salida 34,012 Tokens de razonamiento 7,673 Tiempo de respuesta (promedio) 9.94s Tiempo de respuesta (total) 208.71s Tiempo de respuesta (máximo) 56.94s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 9.0 Combinado : 4.5 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#29#29	Qwen3.5-27Bmedium	7.9	Qwen	$0.536 ↓	68.39s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 73.0% Pruebas inestables 4 Tokens de entrada 42,164 Tokens de salida 8,534 Tokens de razonamiento 329,289 Tiempo de respuesta (promedio) 68.39s Tiempo de respuesta (total) 1436.24s Tiempo de respuesta (máximo) 234.36s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Formato extra: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 6.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 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
#28#28	Qwen3.5 Plus 2026-02-15medium	8.0	Qwen	$0.310 ↓	73.79s
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 40,918 Tokens de salida 2,159 Tokens de razonamiento 189,604 Tiempo de respuesta (promedio) 73.79s Tiempo de respuesta (total) 1033.07s Tiempo de respuesta (máximo) 266.69s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Trucos anti-IA : 8.2 Programación : 6.6 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 : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#27#27	GPT-5.4 Minimedium	8.0	OpenAI	$0.526	22.34s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 73.0% Pruebas inestables 5 Tokens de entrada 34,116 Tokens de salida 2,181 Tokens de razonamiento 108,937 Tiempo de respuesta (promedio) 22.34s Tiempo de respuesta (total) 469.20s Tiempo de respuesta (máximo) 138.75s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Trucos anti-IA : 8.6 Programación : 8.4 Combinado : 10.0 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
#26#26	Nemotron 3 Ultra 550b A55bmedium	8.1	NVIDIA	$0.158 ↕	15.05s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 9.7 Tasa de aciertos por intento 69.8% Pruebas inestables 3 Tokens de entrada 46,813 Tokens de salida 18,002 Tokens de razonamiento 53,091 Tiempo de respuesta (promedio) 15.05s Tiempo de respuesta (total) 316.09s Tiempo de respuesta (máximo) 43.93s Respuesta incorrecta: 7 Error de API: 1 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#25#25	Qwen3.7 Plusmedium	8.2	Qwen	$0.177 ↓	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

←

1 2 3 4 5 6

→

Comparación rápida

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumDisponible gratis Gemini 3.5 FlashhighvsNorth Mini CodemediumDisponible gratis Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida