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: 2026-08-15 Modelos evaluados: 287

Modelos recomendados

GPT-5.6 Sol high Inteligente Tasa de aciertos por intento 89.4% Pruebas correctas 18 / 22 Puntuación 9.4/10 GPT-5.6 Luna medium Rápido Tiempo de respuesta (promedio) 7.43s Total de tokens de salida 44,525 Puntuación 7.4/10 DeepSeek V4 Flash 0731 high Económico Precio de entrada $0.140 / 1M Precio de salida $0.280 / 1M Puntuación 8.0/10

287/287

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#167#167	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.85s
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 119,076 Tokens de salida 11,118 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.85s Tiempo de respuesta (total) 40.74s 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
#166#166	Claude Sonnet 5none	6.1	Anthropic	$0.548	6.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 40.9% Pruebas inestables 4 Tokens de entrada 161,032 Tokens de salida 22,508 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.05s Tiempo de respuesta (total) 132.99s Tiempo de respuesta (máximo) 33.39s Respuesta incorrecta: 8 Formato extra: 4 Sin respuesta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 5.3 Programación : 4.6 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#165#165	GPT-5.6 Lunalow	6.2	OpenAI	$0.026 ↓	5.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 54.5% Pruebas inestables 5 Tokens de entrada 96,355 Tokens de salida 8,213 Tokens de razonamiento 18,073 Tiempo de respuesta (promedio) 5.20s Tiempo de respuesta (total) 114.46s 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 : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#164#164	Gemma 4 31Bmedium	6.2	Google	$0.101 ↓	78.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 3 Tokens de entrada 94,969 Tokens de salida 34,399 Tokens de razonamiento 233,022 Tiempo de respuesta (promedio) 78.59s Tiempo de respuesta (total) 1571.84s Tiempo de respuesta (máximo) 437.40s Respuesta incorrecta: 3 Error de API: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.3 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#163#163	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.37s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 40.9% Pruebas inestables 3 Tokens de entrada 142,206 Tokens de salida 14,744 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.37s Tiempo de respuesta (total) 96.20s Tiempo de respuesta (máximo) 44.58s Respuesta incorrecta: 13 Sin respuesta: 1 Trucos anti-IA : 3.0 Programación : 5.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#162#162	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
#161#161	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
#160#160	Ring-2.6-1Tmedium	6.4	Inclusionai	$0.102 ↑	68.80s
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 113,613 Tokens de salida 122,706 Tokens de razonamiento 42,325 Tiempo de respuesta (promedio) 68.80s Tiempo de respuesta (total) 1375.99s 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 : 3.6 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#159#159	Ling-3.0-flashhigh	6.4	Inclusionai	$0.021 ↕	13.70s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.8 Tasa de aciertos por intento 63.6% Pruebas inestables 4 Tokens de entrada 132,044 Tokens de salida 92,135 Tokens de razonamiento 207,321 Tiempo de respuesta (promedio) 13.70s Tiempo de respuesta (total) 287.75s Tiempo de respuesta (máximo) 75.27s Respuesta incorrecta: 7 Llamada de herramienta no válida: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 6.7 Combinado : 2.9 Análisis y extracción de datos : 7.3 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#158#158	MiMo-V2.5medium	6.4	Xiaomi	$0.104 ↓	46.28s
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 105,456 Tokens de salida 7,108 Tokens de razonamiento 319,940 Tiempo de respuesta (promedio) 46.28s Tiempo de respuesta (total) 1018.12s Tiempo de respuesta (máximo) 316.27s Respuesta incorrecta: 5 Formato extra: 2 Sin respuesta: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 8.7 Análisis y extracción de datos : 2.7 Específico del dominio : 3.6 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#157#157	LongCat 2.0none	6.4	Meituan	$0.044	5.17s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 40.9% Pruebas inestables 2 Tokens de entrada 108,752 Tokens de salida 9,375 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.17s Tiempo de respuesta (total) 113.83s Tiempo de respuesta (máximo) 48.38s Respuesta incorrecta: 13 Formato extra: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 4.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#156#156	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	67.81s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 6 Tokens de entrada 127,621 Tokens de salida 141,858 Tokens de razonamiento 590,204 Tiempo de respuesta (promedio) 67.81s Tiempo de respuesta (total) 1491.80s Tiempo de respuesta (máximo) 480.52s Respuesta incorrecta: 8 Sin respuesta: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.7 Programación : 5.8 Combinado : 6.9 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 3.4 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#155#155	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	61.81s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 57.6% Pruebas inestables 5 Tokens de entrada 113,889 Tokens de salida 110,550 Tokens de razonamiento 496,487 Tiempo de respuesta (promedio) 61.81s Tiempo de respuesta (total) 1359.72s Tiempo de respuesta (máximo) 417.36s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.9 Análisis y extracción de datos : 7.3 Específico del dominio : 3.6 Inteligencia general : 4.0 Seguimiento de instrucciones : 7.9 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#154#154	Qwen3.6 Max Previewnone	6.4	Qwen	$0.228 ↓	7.82s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 9.9 Tasa de aciertos por intento 56.1% 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 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
#153#153	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 57.6% Pruebas inestables 1 Tokens de entrada 120,955 Tokens de salida 14,161 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.56s Tiempo de respuesta (total) 34.32s Tiempo de respuesta (máximo) 9.27s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 7.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#152#152	Hy3 previewmedium	6.5	Tencent	$0.049 ↕	16.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% 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 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
#151#151	Laguna XS 2.1medium	6.5	Poolside	$0.068	48.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 2 Tokens de entrada 118,998 Tokens de salida 30,750 Tokens de razonamiento 491,730 Tiempo de respuesta (promedio) 48.18s Tiempo de respuesta (total) 1059.93s Tiempo de respuesta (máximo) 422.72s Respuesta incorrecta: 10 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#150#150	Qwen3.6 27Bmedium	6.5	Qwen	$1.045 ↑	106.06s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 7 Tokens de entrada 106,176 Tokens de salida 33,013 Tokens de razonamiento 239,560 Tiempo de respuesta (promedio) 106.06s Tiempo de respuesta (total) 2333.36s Tiempo de respuesta (máximo) 1085.11s Respuesta incorrecta: 5 Sin respuesta: 3 Llamada de herramienta no válida: 2 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 7.7 Combinado : 6.7 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
#149#149	Qwen3.5 Plus 2026-02-15none	6.6	Qwen	$0.073 ↓	9.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% Pruebas inestables 2 Tokens de entrada 102,655 Tokens de salida 29,370 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.86s Tiempo de respuesta (total) 157.77s Tiempo de respuesta (máximo) 123.00s Respuesta incorrecta: 11 Trucos anti-IA : 4.8 Programación : 4.3 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#148#148	Qwen3.6 35B A3Bmedium	6.6	Qwen	$0.750 ↑	58.49s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 57.6% Pruebas inestables 2 Tokens de entrada 85,148 Tokens de salida 61,736 Tokens de razonamiento 681,556 Tiempo de respuesta (promedio) 58.49s Tiempo de respuesta (total) 1169.83s Tiempo de respuesta (máximo) 817.57s Respuesta incorrecta: 5 Error de API: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 7.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#147#147	Gemini 3.1 Flash Litelow	6.6	Google	$0.621	16.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 94,233 Tokens de salida 7,759 Tokens de razonamiento 390,132 Tiempo de respuesta (promedio) 16.25s Tiempo de respuesta (total) 357.39s Tiempo de respuesta (máximo) 318.02s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 5.5 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#146#146	Inkling Smallmedium	6.6	Thinkingmachines	$0.113 ↓	6.30s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% Pruebas inestables 3 Tokens de entrada 100,255 Tokens de salida 6,422 Tokens de razonamiento 49,847 Tiempo de respuesta (promedio) 6.30s Tiempo de respuesta (total) 138.60s Tiempo de respuesta (máximo) 17.26s Respuesta incorrecta: 6 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.3 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 5.8 Llamada de herramientas : 3.0 Cultura general : 3.0
#145#145	Gemini 3.1 Flash Lite Previewlow	6.6	Google	$0.646	16.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 0 Tokens de entrada 110,196 Tokens de salida 14,717 Tokens de razonamiento 397,462 Tiempo de respuesta (promedio) 16.67s Tiempo de respuesta (total) 366.69s Tiempo de respuesta (máximo) 309.35s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#144#144	Qwen3.5-27Bnone	6.6	Qwen	$0.058 ↓	4.77s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 2 Tokens de entrada 102,325 Tokens de salida 24,323 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.77s Tiempo de respuesta (total) 105.00s Tiempo de respuesta (máximo) 69.46s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 5.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#143#143	Gemini 3.5 Flash Litelow	6.6	Google	$0.138	2.56s
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 139,165 Tokens de salida 12,899 Tokens de razonamiento 25,511 Tiempo de respuesta (promedio) 2.56s Tiempo de respuesta (total) 56.32s Tiempo de respuesta (máximo) 15.14s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 9.0 Programación : 4.3 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 4.7
#142#142	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% 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 : 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
#141#141	LongCat 2.0high	6.7	Meituan	$0.492	153.29s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 51.5% Pruebas inestables 4 Tokens de entrada 93,411 Tokens de salida 30,470 Tokens de razonamiento 356,172 Tiempo de respuesta (promedio) 153.29s Tiempo de respuesta (total) 3372.36s Tiempo de respuesta (máximo) 941.66s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Sin respuesta: 2 Tiempo agotado: 2 Trucos anti-IA : 8.9 Programación : 7.8 Combinado : 10.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 5.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#140#140	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
#139#139	Gemini 3.5 Flashminimal	6.7	Google	$0.300	2.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 1 Tokens de entrada 100,762 Tokens de salida 16,454 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.65s Tiempo de respuesta (total) 58.21s Tiempo de respuesta (máximo) 25.26s Respuesta incorrecta: 6 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 Programación : 5.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#138#138	LongCat 2.0low	6.7	Meituan	$0.412	113.61s
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 90,870 Tokens de salida 5,676 Tokens de razonamiento 314,918 Tiempo de respuesta (promedio) 113.61s Tiempo de respuesta (total) 2499.46s Tiempo de respuesta (máximo) 560.39s Respuesta incorrecta: 7 Error de API: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0

Comparación rápida

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Leaderboard de AI Benchy

Modelos recomendados

Filtrar modelos

Comparación rápida