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: 2026-05-10 Modelos evaluados: 144

144/144

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#24#24	Grok 4.3medium	8.0	X AI	$0.550	48.41s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 77.2% Pruebas inestables 3 Tokens de salida 1,237 Tokens de razonamiento 200,033 Tiempo de respuesta (promedio) 48.41s Tiempo de respuesta (total) 919.73s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Trucos anti-IA : 10.0 Programación : 10.0 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
#23#23	Gemini 3.1 Flash Lite Previewmedium	8.0	Google	$0.058	3.68s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 68.4% Pruebas inestables 0 Tokens de salida 2,180 Tokens de razonamiento 30,831 Tiempo de respuesta (promedio) 3.68s Tiempo de respuesta (total) 69.99s Tiempo de respuesta (máximo) 14.93s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 10.0 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
#22#22	Hy3 previewhigh	8.0	Tencent	$0.000	56.77s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 77.1% Pruebas inestables 1 Tokens de salida 216,503 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 56.77s Tiempo de respuesta (total) 851.49s Tiempo de respuesta (máximo) 149.94s Respuesta incorrecta: 3 Error de API: 1 Trucos anti-IA : 8.9 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 0.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#21#21	Qwen3.6 35B A3Bmedium	8.0	Qwen	$0.116	13.22s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 5 Fiabilidad 9.8 Tasa de aciertos por intento 74.5% Pruebas inestables 2 Tokens de salida 15,018 Tokens de razonamiento 108,331 Tiempo de respuesta (promedio) 13.22s Tiempo de respuesta (total) 224.66s Tiempo de respuesta (máximo) 45.02s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 0.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.9 Llamada de herramientas : 0.0 Cultura general : 3.0
#20#20	GLM 5 Turbomedium	8.1	Z.ai	$0.187	18.85s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 6.7 Tasa de aciertos por intento 77.2% Pruebas inestables 4 Tokens de salida 12,217 Tokens de razonamiento 40,252 Tiempo de respuesta (promedio) 18.85s Tiempo de respuesta (total) 358.15s Tiempo de respuesta (máximo) 194.23s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 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
#19#19	GLM 5medium	8.1	Z.ai	$0.180	27.34s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 80.7% Pruebas inestables 4 Tokens de salida 20,564 Tokens de razonamiento 70,787 Tiempo de respuesta (promedio) 27.34s Tiempo de respuesta (total) 300.78s Tiempo de respuesta (máximo) 79.09s 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
#18#18	MiMo-V2.5-Promedium	8.1	Xiaomi	$0.200	16.23s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 74.1% Pruebas inestables 2 Tokens de salida 2,790 Tokens de razonamiento 52,001 Tiempo de respuesta (promedio) 16.23s Tiempo de respuesta (total) 292.10s Tiempo de respuesta (máximo) 84.22s Formato extra: 2 No siguió las instrucciones: 2 Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 10.0 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
#17#17	Qwen3.5-27Bmedium	8.1	Qwen	$0.534	54.71s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 77.2% Pruebas inestables 3 Tokens de salida 2,531 Tokens de razonamiento 266,183 Tiempo de respuesta (promedio) 54.71s Tiempo de respuesta (total) 1039.57s Tiempo de respuesta (máximo) 163.96s No siguió las instrucciones: 2 Respuesta incorrecta: 2 Formato extra: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 10.0 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
#16#16	Grok 4.20 Betamedium	8.2	X AI	$0.633	9.81s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 5 Fiabilidad N/D Tasa de aciertos por intento 79.6% Pruebas inestables 2 Tokens de salida 1,568 Tokens de razonamiento 91,909 Tiempo de respuesta (promedio) 9.81s Tiempo de respuesta (total) 176.62s Tiempo de respuesta (máximo) 31.36s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 3.0
#15#15	Qwen3.6 Plus Previewmedium	8.2	Qwen	$0.000	15.25s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad N/D Tasa de aciertos por intento 75.0% Pruebas inestables 0 Tokens de salida 1,153 Tokens de razonamiento 62,197 Tiempo de respuesta (promedio) 15.25s Tiempo de respuesta (total) 182.96s Tiempo de respuesta (máximo) 43.55s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 0.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 0.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 0.0
#14#14	Gemma 4 31Bmedium	8.2	Google	$0.023	28.72s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 5 Fiabilidad 6.7 Tasa de aciertos por intento 77.2% Pruebas inestables 1 Tokens de salida 14,426 Tokens de razonamiento 37,964 Tiempo de respuesta (promedio) 28.72s Tiempo de respuesta (total) 488.27s Tiempo de respuesta (máximo) 90.14s Error de API: 2 Respuesta incorrecta: 2 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 4.7 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
#13#13	GPT-5.3-Codexmedium	8.2	OpenAI	$0.598	15.33s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 80.7% Pruebas inestables 4 Tokens de salida 2,309 Tokens de razonamiento 36,880 Tiempo de respuesta (promedio) 15.33s Tiempo de respuesta (total) 291.34s Tiempo de respuesta (máximo) 100.93s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#12#12	Qwen3.5 Plus 2026-02-15medium	8.2	Qwen	$0.247	51.33s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 79.0% Pruebas inestables 2 Tokens de salida 2,145 Tokens de razonamiento 129,019 Tiempo de respuesta (promedio) 51.33s Tiempo de respuesta (total) 616.01s Tiempo de respuesta (máximo) 120.91s Respuesta incorrecta: 3 Tiempo agotado: 2 Trucos anti-IA : 8.2 Programación : 10.0 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
#11#11	Seed-2.0-Litemedium	8.3	Bytedance Seed	$0.125	31.32s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 79.0% Pruebas inestables 3 Tokens de salida 3,266 Tokens de razonamiento 54,082 Tiempo de respuesta (promedio) 31.32s Tiempo de respuesta (total) 595.04s Tiempo de respuesta (máximo) 168.71s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 10.0 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
#10#10	Gemini 3 PRO Previewmedium	8.4	Google	$0.197	9.06s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 4 Fiabilidad N/D Tasa de aciertos por intento 77.8% Pruebas inestables 0 Tokens de salida 1,508 Tokens de razonamiento 10,084 Tiempo de respuesta (promedio) 9.06s Tiempo de respuesta (total) 90.58s Tiempo de respuesta (máximo) 26.24s Respuesta incorrecta: 3 Error de API: 1 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 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 : 0.0
#9#9	Qwen3.6 Max Previewmedium	8.5	Qwen	$0.872	48.96s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 80.7% Pruebas inestables 1 Tokens de salida 2,186 Tokens de razonamiento 105,156 Tiempo de respuesta (promedio) 48.96s Tiempo de respuesta (total) 930.20s Tiempo de respuesta (máximo) 186.74s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 10.0 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
#8#8	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.83s
Ver ficha del modelo Pruebas totales 16 Pruebas incorrectas 3 Fiabilidad N/D Tasa de aciertos por intento 81.3% Pruebas inestables 0 Tokens de salida 1,283 Tokens de razonamiento 1,533,310 Tiempo de respuesta (promedio) 68.83s Tiempo de respuesta (total) 1101.32s Tiempo de respuesta (máximo) 280.52s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0
#7#7	Gemini 3 Flash Previewlow	8.8	Google	$0.093	5.84s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 86.0% Pruebas inestables 1 Tokens de salida 2,027 Tokens de razonamiento 23,906 Tiempo de respuesta (promedio) 5.84s Tiempo de respuesta (total) 110.87s Tiempo de respuesta (máximo) 14.72s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 10.0 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
#5#5	Claude Opus 4.7none	8.9	Anthropic	$0.507	3.04s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 84.2% Pruebas inestables 0 Tokens de salida 6,329 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.04s Tiempo de respuesta (total) 57.79s Tiempo de respuesta (máximo) 18.27s Respuesta incorrecta: 3 Trucos anti-IA : 8.3 Programación : 10.0 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
#6#6	GPT-5.5low	8.9	OpenAI	$0.706	8.80s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 84.2% Pruebas inestables 0 Tokens de salida 2,008 Tokens de razonamiento 16,914 Tiempo de respuesta (promedio) 8.80s Tiempo de respuesta (total) 167.26s Tiempo de respuesta (máximo) 56.19s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 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 : 3.0
#4#4	GPT-5.5medium	8.9	OpenAI	$2.939	33.02s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 87.7% Pruebas inestables 2 Tokens de salida 1,950 Tokens de razonamiento 91,386 Tiempo de respuesta (promedio) 33.02s Tiempo de respuesta (total) 627.45s Tiempo de respuesta (máximo) 332.10s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 10.0 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
#3🥉 #3	Claude Opus 4.7medium	8.9	Anthropic	$0.449	3.46s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 84.2% Pruebas inestables 0 Tokens de salida 5,399 Tokens de razonamiento 1,341 Tiempo de respuesta (promedio) 3.46s Tiempo de respuesta (total) 62.29s Tiempo de respuesta (máximo) 21.45s Respuesta incorrecta: 2 Tiempo agotado: 1 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#2🥈 #2	Gemini 3.1 Pro Previewmedium	9.6	Google	$0.594	15.15s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 94.7% Pruebas inestables 0 Tokens de salida 1,944 Tokens de razonamiento 41,839 Tiempo de respuesta (promedio) 15.15s Tiempo de respuesta (total) 181.78s Tiempo de respuesta (máximo) 40.61s Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 10.0 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 : 10.0
#1🥇 #1	Gemini 3 Flash Previewmedium	10.0	Google	$0.328	11.43s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 0 Fiabilidad 10.0 Tasa de aciertos por intento 100.0% Pruebas inestables 0 Tokens de salida 1,985 Tokens de razonamiento 102,122 Tiempo de respuesta (promedio) 11.43s Tiempo de respuesta (total) 217.10s Tiempo de respuesta (máximo) 74.66s Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 10.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumDisponible gratis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida