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)
#137#137	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.487	26.01s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 8 Tokens de entrada 98,508 Tokens de salida 139,572 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 26.01s Tiempo de respuesta (total) 572.22s 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 : 4.1 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#136#136	GLM 5.2none	6.7	Z.ai	$0.078 ↓	9.65s
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 112,458 Tokens de salida 14,344 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.65s Tiempo de respuesta (total) 212.38s Tiempo de respuesta (máximo) 79.65s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 3.7 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#135#135	Gemma 4 26B A4Bmedium	6.8	Google	$0.111 ↑	104.93s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 1 Tokens de entrada 77,528 Tokens de salida 26,048 Tokens de razonamiento 227,598 Tiempo de respuesta (promedio) 104.93s Tiempo de respuesta (total) 2203.52s Tiempo de respuesta (máximo) 912.19s Sin respuesta: 2 Tiempo agotado: 2 Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 2.9 Combinado : 6.3 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 : 3.0
#134#134	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.82s
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 104,217 Tokens de salida 10,710 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.82s Tiempo de respuesta (total) 45.05s Tiempo de respuesta (máximo) 21.19s Respuesta incorrecta: 8 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#133#133	MiMo-V2.5-Promedium	6.8	Xiaomi	$0.221 ↓	48.68s
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 139,892 Tokens de salida 15,569 Tokens de razonamiento 169,897 Tiempo de respuesta (promedio) 48.68s Tiempo de respuesta (total) 1071.02s Tiempo de respuesta (máximo) 333.34s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.9 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#132#132	DeepSeek V4 Pronone	6.8	DeepSeek	$0.256 ↑	11.71s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 47.0% Pruebas inestables 4 Tokens de entrada 148,078 Tokens de salida 35,547 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 11.71s Tiempo de respuesta (total) 257.67s Tiempo de respuesta (máximo) 119.44s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.2 Programación : 5.6 Combinado : 7.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#131#131	Solar Pro 4medium	6.8	Upstage	$0.047	127.64s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.9 Tasa de aciertos por intento 62.1% Pruebas inestables 4 Tokens de entrada 87,902 Tokens de salida 30,743 Tokens de razonamiento 335,668 Tiempo de respuesta (promedio) 127.64s Tiempo de respuesta (total) 2808.09s Tiempo de respuesta (máximo) 519.91s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 8.2 Programación : 5.5 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#130#130	Solar Pro 4low	6.8	Upstage	$0.044	136.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 6 Tokens de entrada 90,556 Tokens de salida 6,153 Tokens de razonamiento 332,220 Tiempo de respuesta (promedio) 136.11s Tiempo de respuesta (total) 2994.49s Tiempo de respuesta (máximo) 640.89s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 8.2 Programación : 5.5 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#129#129	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 7.3 Tasa de aciertos por intento 63.6% Pruebas inestables 7 Tokens de entrada 76,036 Tokens de salida 7,267 Tokens de razonamiento 364,176 Tiempo de respuesta (promedio) 101.05s Tiempo de respuesta (total) 2223.19s Tiempo de respuesta (máximo) 626.58s Error de API: 6 Respuesta incorrecta: 4 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 6.9 Programación : 8.9 Combinado : 4.7 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 4.7 Cultura general : 3.0
#128#128	Step 3.7 Flashhigh	6.8	Stepfun	$1.229	70.10s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 4 Tokens de entrada 98,700 Tokens de salida 1,050,900 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 70.10s Tiempo de respuesta (total) 1542.14s Tiempo de respuesta (máximo) 364.99s Respuesta incorrecta: 7 Sin respuesta: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 4.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#127#127	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 129,050 Tokens de salida 20,026 Tokens de razonamiento 616,923 Tiempo de respuesta (promedio) 44.97s Tiempo de respuesta (total) 989.32s Tiempo de respuesta (máximo) 578.13s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#126#126	Gemini 3.5 Flashnone	6.9	Google	$1.093	10.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 3 Tokens de entrada 13,852 Tokens de salida 119,100 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.18s Tiempo de respuesta (total) 183.29s Tiempo de respuesta (máximo) 64.36s Error de API: 4 Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 2.8
#125#125	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 8.6 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 81,970 Tokens de salida 7,186 Tokens de razonamiento 403,389 Tiempo de respuesta (promedio) 124.18s Tiempo de respuesta (total) 2732.03s Tiempo de respuesta (máximo) 675.30s Error de API: 5 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 6.2 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 4.7 Cultura general : 3.0
#124#124	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 7 Tokens de entrada 114,477 Tokens de salida 12,786 Tokens de razonamiento 457,290 Tiempo de respuesta (promedio) 47.38s Tiempo de respuesta (total) 1042.43s Tiempo de respuesta (máximo) 593.64s Respuesta incorrecta: 8 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 5.8 Resolución de acertijos : 7.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#123#123	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.478	24.87s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 8 Tokens de entrada 87,916 Tokens de salida 7,213 Tokens de razonamiento 132,162 Tiempo de respuesta (promedio) 24.87s Tiempo de respuesta (total) 547.14s 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
#122#122	Kimi K2.5medium	7.0	Moonshot AI	$0.607 ↑	98.19s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 8 Tokens de entrada 118,496 Tokens de salida 53,522 Tokens de razonamiento 167,420 Tiempo de respuesta (promedio) 98.19s Tiempo de respuesta (total) 1571.05s Tiempo de respuesta (máximo) 281.00s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 6.1 Combinado : 6.7 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#121#121	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.116	93.10s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 8.7 Tasa de aciertos por intento 57.6% Pruebas inestables 3 Tokens de entrada 125,704 Tokens de salida 10,781 Tokens de razonamiento 247,541 Tiempo de respuesta (promedio) 93.10s Tiempo de respuesta (total) 1768.91s Tiempo de respuesta (máximo) 301.78s Respuesta incorrecta: 5 Tiempo agotado: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.6 Programación : 5.5 Combinado : 7.3 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
#120#120	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 5 Tokens de entrada 102,986 Tokens de salida 5,860 Tokens de razonamiento 264,399 Tiempo de respuesta (promedio) 32.56s Tiempo de respuesta (total) 716.36s Tiempo de respuesta (máximo) 199.66s Respuesta incorrecta: 6 Formato extra: 2 No siguió las instrucciones: 2 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 : 2.9 Inteligencia general : 3.9 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#119#119	Mercury 2medium	7.0	Inception	$0.094	2.95s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% Pruebas inestables 4 Tokens de entrada 110,515 Tokens de salida 10,325 Tokens de razonamiento 77,229 Tiempo de respuesta (promedio) 2.95s Tiempo de respuesta (total) 61.89s Tiempo de respuesta (máximo) 14.63s Respuesta incorrecta: 8 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 8.2 Combinado : 6.7 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
#118#118	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 2 Tokens de entrada 79,294 Tokens de salida 4,915 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.35s Tiempo de respuesta (total) 51.78s Tiempo de respuesta (máximo) 12.24s Respuesta incorrecta: 10 Trucos anti-IA : 6.9 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#117#117	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 8.1 Tasa de aciertos por intento 65.2% Pruebas inestables 4 Tokens de entrada 82,592 Tokens de salida 16,089 Tokens de razonamiento 199,800 Tiempo de respuesta (promedio) 58.80s Tiempo de respuesta (total) 1234.72s Tiempo de respuesta (máximo) 308.75s Respuesta incorrecta: 4 Sin respuesta: 2 Tiempo agotado: 2 Error de API: 1 Formato extra: 1 Trucos anti-IA : 10.0 Programación : 4.6 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 8.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#116#116	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 7 Tokens de entrada 101,056 Tokens de salida 11,832 Tokens de razonamiento 116,955 Tiempo de respuesta (promedio) 68.43s Tiempo de respuesta (total) 1505.53s Tiempo de respuesta (máximo) 376.10s Respuesta incorrecta: 5 Error de API: 2 Tiempo agotado: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.0 Combinado : 7.3 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
#115#115	GPT-5.6 Solnone	7.0	OpenAI	$0.524	2.17s
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 78,602 Tokens de salida 4,357 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.17s Tiempo de respuesta (total) 47.66s Tiempo de respuesta (máximo) 12.81s Respuesta incorrecta: 9 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#114#114	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 140,244 Tokens de salida 13,739 Tokens de razonamiento 212,165 Tiempo de respuesta (promedio) 44.21s Tiempo de respuesta (total) 972.64s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#113#113	Solar Pro 4high	7.1	Upstage	$0.046	120.58s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 5 Tokens de entrada 79,740 Tokens de salida 23,357 Tokens de razonamiento 339,837 Tiempo de respuesta (promedio) 120.58s Tiempo de respuesta (total) 2652.77s Tiempo de respuesta (máximo) 491.07s Respuesta incorrecta: 5 No siguió las instrucciones: 3 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 5.7 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.5 Seguimiento de instrucciones : 7.9 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#112#112	Step 3.7 Flashlow	7.1	Stepfun	$0.390	17.87s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 103,842 Tokens de salida 320,393 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 17.87s Tiempo de respuesta (total) 393.04s Tiempo de respuesta (máximo) 124.75s Respuesta incorrecta: 9 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 : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#111#111	Muse Glimmer 30Blow	7.1	Meta	$0.187	18.64s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 130,312 Tokens de salida 33,867 Tokens de razonamiento 62,103 Tiempo de respuesta (promedio) 18.64s Tiempo de respuesta (total) 410.18s Tiempo de respuesta (máximo) 234.92s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.1 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#110#110	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 124,780 Tokens de salida 47,694 Tokens de razonamiento 439,825 Tiempo de respuesta (promedio) 65.67s Tiempo de respuesta (total) 1444.68s Tiempo de respuesta (máximo) 519.30s Respuesta incorrecta: 5 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 6.4 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
#109#109	Muse Glimmer 30Bmedium	7.2	Meta	$0.280	30.64s
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 116,513 Tokens de salida 33,065 Tokens de razonamiento 135,009 Tiempo de respuesta (promedio) 30.64s Tiempo de respuesta (total) 674.01s Tiempo de respuesta (máximo) 181.08s Respuesta incorrecta: 9 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 9.2 Programación : 8.4 Combinado : 6.5 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#108#108	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 6 Tokens de entrada 92,191 Tokens de salida 14,286 Tokens de razonamiento 289,733 Tiempo de respuesta (promedio) 38.05s Tiempo de respuesta (total) 837.05s Tiempo de respuesta (máximo) 394.54s Respuesta incorrecta: 7 No siguió las instrucciones: 3 Error de API: 1 Trucos anti-IA : 10.0 Programación : 6.7 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.3 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