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)
#266#266	GPT-5.4none	5.6	OpenAI	$0.690	3.89s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 2 Tokens de entrada 219,404 Tokens de salida 9,372 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.89s Tiempo de respuesta (total) 89.48s Tiempo de respuesta (máximo) 43.73s Respuesta incorrecta: 15 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.2 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#265#265	Space Bunny Alphalow	5.7	Stealth	$0.000	30.63s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 53.6% Pruebas inestables 10 Tokens de entrada 289,086 Tokens de salida 194,450 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 30.63s Tiempo de respuesta (total) 704.47s Tiempo de respuesta (máximo) 340.88s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Tareas de agentes : 4.7 Trucos anti-IA : 6.9 Programación : 5.6 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 4.4 Resolución de acertijos : 7.9 Llamada de herramientas : 4.7 Cultura general : 3.0
#264#264	Gemma 4 31Bnone	5.7	Google	$0.031 ↓	7.28s
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 270,970 Tokens de salida 15,499 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.28s Tiempo de respuesta (total) 152.84s Tiempo de respuesta (máximo) 44.73s Respuesta incorrecta: 11 Error de API: 2 No siguió las instrucciones: 1 Tareas de agentes : 3.9 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 6.5 Llamada de herramientas : 3.0 Cultura general : 3.0
#263#263	Dots 3 Note Previewmedium	5.7	Dots Studio	$0.000	70.32s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 58.0% Pruebas inestables 9 Tokens de entrada 208,598 Tokens de salida 120,583 Tokens de razonamiento 590,044 Tiempo de respuesta (promedio) 70.32s Tiempo de respuesta (total) 1617.43s Tiempo de respuesta (máximo) 459.19s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Sin respuesta: 2 Formato extra: 1 Tareas de agentes : 4.7 Trucos anti-IA : 8.7 Programación : 4.2 Combinado : 9.9 Análisis y extracción de datos : 4.5 Específico del dominio : 3.6 Inteligencia general : 3.8 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#262#262	Seed 2.1 Turbonone	5.7	Bytedance Seed	$0.182	9.65s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 52.2% Pruebas inestables 3 Tokens de entrada 298,242 Tokens de salida 13,105 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.65s Tiempo de respuesta (total) 221.91s Tiempo de respuesta (máximo) 71.45s Respuesta incorrecta: 12 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 4.8 Programación : 4.5 Combinado : 3.8 Análisis y extracción de datos : 7.1 Específico del dominio : 7.7 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#261#261	GPT-5.4 Mininone	5.7	OpenAI	$0.170	3.34s
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 172,438 Tokens de salida 8,828 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.34s Tiempo de respuesta (total) 76.84s Tiempo de respuesta (máximo) 41.98s Respuesta incorrecta: 14 No siguió las instrucciones: 3 Tareas de agentes : 5.0 Trucos anti-IA : 3.1 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#260#260	GPT-5 Nanomedium	5.7	OpenAI	$0.159 ↑	56.55s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 53.6% Pruebas inestables 10 Tokens de entrada 314,436 Tokens de salida 13,578 Tokens de razonamiento 294,343 Tiempo de respuesta (promedio) 56.55s Tiempo de respuesta (total) 961.32s Tiempo de respuesta (máximo) 227.89s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 4.7 Trucos anti-IA : 6.5 Programación : 7.0 Combinado : 6.4 Análisis y extracción de datos : 3.7 Específico del dominio : 3.4 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#259#259	Trinity Large Thinkinghigh	5.7	Arcee AI	$0.794 ↑	74.52s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 42.0% Pruebas inestables 8 Tokens de entrada 283,116 Tokens de salida 277,920 Tokens de razonamiento 665,124 Tiempo de respuesta (promedio) 74.52s Tiempo de respuesta (total) 1713.90s Tiempo de respuesta (máximo) 510.21s Respuesta incorrecta: 10 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 6.7 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 4.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#258#258	Ring 2.6 1tmedium	5.7	Inclusionai	$0.102 ↑	65.52s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 56.5% Pruebas inestables 3 Tokens de entrada 113,613 Tokens de salida 122,706 Tokens de razonamiento 42,325 Tiempo de respuesta (promedio) 65.52s Tiempo de respuesta (total) 1376.01s Tiempo de respuesta (máximo) 304.19s Respuesta incorrecta: 6 Error de API: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 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
#257#257	Ling 3.0 Flashhigh	5.8	Inclusionai	$0.021 ↕	13.08s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 9.8 Tasa de aciertos por intento 60.9% Pruebas inestables 4 Tokens de entrada 132,044 Tokens de salida 92,135 Tokens de razonamiento 207,321 Tiempo de respuesta (promedio) 13.08s Tiempo de respuesta (total) 287.79s Tiempo de respuesta (máximo) 75.27s Respuesta incorrecta: 7 Error de API: 2 Llamada de herramienta no válida: 2 Tareas de agentes : 3.0 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
#256#256	DeepSeek V4.1 Flashnone	5.8	DeepSeek	$0.453 ↑	16.63s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 9.7 Tasa de aciertos por intento 36.2% Pruebas inestables 3 Tokens de entrada 337,756 Tokens de salida 292,779 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 16.63s Tiempo de respuesta (total) 382.53s Tiempo de respuesta (máximo) 247.66s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 7.4 Trucos anti-IA : 3.7 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 7.7 Inteligencia general : 5.5 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#255#255	GPT-5.6 Terranone	5.8	OpenAI	$0.377 ↓	4.11s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 40.6% Pruebas inestables 3 Tokens de entrada 213,564 Tokens de salida 7,381 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.11s Tiempo de respuesta (total) 94.52s Tiempo de respuesta (máximo) 57.98s Respuesta incorrecta: 12 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 5.3 Llamada de herramientas : 9.6 Cultura general : 3.0
#254#254	Qwen3.7 Flashnone	5.9	Qwen	$0.028	14.70s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 36.2% Pruebas inestables 3 Tokens de entrada 410,787 Tokens de salida 117,742 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 14.70s Tiempo de respuesta (total) 338.13s Tiempo de respuesta (máximo) 186.24s Respuesta incorrecta: 14 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 4.7 Trucos anti-IA : 3.0 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#253#253	Nemotron 3 Ultranone	5.9	NVIDIA	$0.164 ↕	6.76s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 40.6% Pruebas inestables 2 Tokens de entrada 275,381 Tokens de salida 11,544 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.76s Tiempo de respuesta (total) 155.50s Tiempo de respuesta (máximo) 70.17s Respuesta incorrecta: 12 Error de API: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#252#252	Claude Sonnet 5none	5.9	Anthropic	$1.095	8.60s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 40.6% Pruebas inestables 5 Tokens de entrada 393,560 Tokens de salida 30,777 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.60s Tiempo de respuesta (total) 197.73s Tiempo de respuesta (máximo) 64.73s Respuesta incorrecta: 9 Formato extra: 4 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 4.7 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
#251#251	Qwen3.6 Flashnone	5.9	Qwen	$0.139 ↓	7.63s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 1 Tokens de entrada 388,929 Tokens de salida 57,714 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.63s Tiempo de respuesta (total) 175.42s Tiempo de respuesta (máximo) 93.47s Respuesta incorrecta: 13 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.1 Programación : 5.4 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#250#250	Gemini 3.1 Flash Litenone	5.9	Google	$0.069	3.58s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 9.9 Tasa de aciertos por intento 47.8% Pruebas inestables 4 Tokens de entrada 202,069 Tokens de salida 11,961 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.58s Tiempo de respuesta (total) 82.24s Tiempo de respuesta (máximo) 43.82s Respuesta incorrecta: 12 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 7.5 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 : 6.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#249#249	gpt-oss-120bmedium	5.9	OpenAI	$0.030 ↓	31.58s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 47.8% Pruebas inestables 5 Tokens de entrada 285,293 Tokens de salida 29,565 Tokens de razonamiento 89,266 Tiempo de respuesta (promedio) 31.58s Tiempo de respuesta (total) 536.78s Tiempo de respuesta (máximo) 203.90s Respuesta incorrecta: 10 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 Trucos anti-IA : 6.7 Programación : 5.9 Combinado : 6.5 Análisis y extracción de datos : 6.4 Específico del dominio : 2.9 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.3 Llamada de herramientas : 9.8 Cultura general : 3.0
#248#248	Gemini 3.1 Flash Liteminimal	5.9	Google	$0.080	3.95s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 49.3% Pruebas inestables 3 Tokens de entrada 238,785 Tokens de salida 12,875 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.95s Tiempo de respuesta (total) 90.76s Tiempo de respuesta (máximo) 50.03s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Sin respuesta: 1 Tareas de agentes : 5.0 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
#246#246	Inkling Smallmedium	6.0	Thinkingmachines	$0.113 ↓	6.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 50.7% Pruebas inestables 3 Tokens de entrada 100,255 Tokens de salida 6,422 Tokens de razonamiento 49,847 Tiempo de respuesta (promedio) 6.03s Tiempo de respuesta (total) 138.65s Tiempo de respuesta (máximo) 17.26s Respuesta incorrecta: 6 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Error de API: 1 Tareas de agentes : 3.0 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
#247#247	Seed-2.0-Litenone	6.0	Bytedance Seed	$0.114	7.49s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 39.1% Pruebas inestables 3 Tokens de entrada 314,113 Tokens de salida 17,558 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.49s Tiempo de respuesta (total) 172.19s Tiempo de respuesta (máximo) 75.99s Respuesta incorrecta: 14 Sin respuesta: 1 Tareas de agentes : 5.0 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
#245#245	MiMo-V2.6-Pronone	6.0	Xiaomi	$0.193	9.66s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 43.5% Pruebas inestables 2 Tokens de entrada 278,866 Tokens de salida 82,069 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.66s Tiempo de respuesta (total) 222.07s Tiempo de respuesta (máximo) 106.86s Respuesta incorrecta: 10 Formato extra: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.5 Programación : 5.6 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#244#244	GLM 5.3 FlashXlow	6.0	Z.ai	$0.157	9.69s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.8% Pruebas inestables 9 Tokens de entrada 277,028 Tokens de salida 11,965 Tokens de razonamiento 31,238 Tiempo de respuesta (promedio) 9.69s Tiempo de respuesta (total) 222.83s Tiempo de respuesta (máximo) 77.99s Respuesta incorrecta: 10 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 8.2 Programación : 5.5 Combinado : 2.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#243#243	Claude Sonnet 4.6none	6.0	Anthropic	$0.661	7.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 55.1% Pruebas inestables 1 Tokens de entrada 123,273 Tokens de salida 19,362 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.67s Tiempo de respuesta (total) 122.78s Tiempo de respuesta (máximo) 51.18s Respuesta incorrecta: 5 Formato extra: 4 No siguió las instrucciones: 1 Tareas de agentes : 0.0 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 6.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#242#242	Apodex 1.1 Minimedium	6.0	Apodex	$0.000	32.68s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 9.9 Tasa de aciertos por intento 68.1% Pruebas inestables 9 Tokens de entrada 293,112 Tokens de salida 152,376 Tokens de razonamiento 357,890 Tiempo de respuesta (promedio) 32.68s Tiempo de respuesta (total) 751.72s Tiempo de respuesta (máximo) 115.57s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Sin respuesta: 1 Tareas de agentes : 3.4 Trucos anti-IA : 10.0 Programación : 4.3 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 5.1 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 8.2 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