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: 2026-10-17 Modelos evaluados: 442

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

442/442

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#305#305	Nemotron 3.5 Super VLnone	5.5	NVIDIA	$0.040	46.97s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 9.7 Tasa de aciertos por intento 43.5% Pruebas inestables 4 Tokens de entrada 251,253 Tokens de salida 3,892 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 46.97s Tiempo de respuesta (total) 1080.29s Tiempo de respuesta (máximo) 872.07s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 5.0 Trucos anti-IA : 6.5 Programación : 3.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 4.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#306#306	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 9.5 Tasa de aciertos por intento 42.0% Pruebas inestables 4 Tokens de entrada 229,346 Tokens de salida 18,597 Tokens de razonamiento 129,338 Tiempo de respuesta (promedio) 56.40s Tiempo de respuesta (total) 1184.46s Tiempo de respuesta (máximo) 431.98s Respuesta incorrecta: 6 Error de API: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 4.7 Trucos anti-IA : 8.3 Programación : 3.1 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.1 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#309#309	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 37.7% Pruebas inestables 1 Tokens de entrada 39,886 Tokens de salida 1,890 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.00s Tiempo de respuesta (total) 138.04s Tiempo de respuesta (máximo) 118.00s Respuesta incorrecta: 13 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 3.0 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#316#316	North Mini Codemedium	5.4	Cohere	$0.000	140.39s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 8.9 Tasa de aciertos por intento 42.0% Pruebas inestables 4 Tokens de entrada 166,347 Tokens de salida 423,884 Tokens de razonamiento 1,394,387 Tiempo de respuesta (promedio) 140.39s Tiempo de respuesta (total) 3229.07s Tiempo de respuesta (máximo) 786.72s Respuesta incorrecta: 10 Formato extra: 2 Error de API: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 3.9 Trucos anti-IA : 8.4 Programación : 4.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#320#320	Ember-1none	5.4	Fireworks	$0.786	22.65s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 8.8 Tasa de aciertos por intento 43.5% Pruebas inestables 4 Tokens de entrada 202,617 Tokens de salida 11,832 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 22.65s Tiempo de respuesta (total) 520.91s Tiempo de respuesta (máximo) 93.12s Respuesta incorrecta: 10 Error de API: 5 Tareas de agentes : 6.1 Trucos anti-IA : 5.2 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.4 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#337#337	KAT Coder AIR V2.5medium	5.1	Kwaipilot	$0.048	8.32s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 9.6 Tasa de aciertos por intento 43.5% Pruebas inestables 3 Tokens de entrada 51,369 Tokens de salida 8,008 Tokens de razonamiento 58,568 Tiempo de respuesta (promedio) 8.32s Tiempo de respuesta (total) 191.40s Tiempo de respuesta (máximo) 48.19s Respuesta incorrecta: 10 Error de API: 2 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Tareas de agentes : 3.0 Trucos anti-IA : 8.7 Programación : 3.6 Combinado : 6.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#413#413	Grok Build 0.1none	3.2	X AI	$0.547	28.69s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 42.0% Pruebas inestables 4 Tokens de entrada 11,793 Tokens de salida 1,809 Tokens de razonamiento 265,466 Tiempo de respuesta (promedio) 28.69s Tiempo de respuesta (total) 459.00s Tiempo de respuesta (máximo) 138.35s Respuesta incorrecta: 7 Error de API: 3 No siguió las instrucciones: 2 Tareas de agentes : 0.0 Trucos anti-IA : 8.7 Programación : 3.3 Combinado : 1.5 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#367#367	GLM 5V Turbonone	4.6	Z.ai	$0.052	2.99s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 34.8% Pruebas inestables 0 Tokens de entrada 37,100 Tokens de salida 1,766 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.99s Tiempo de respuesta (total) 62.74s Tiempo de respuesta (máximo) 6.51s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Tareas de agentes : 0.0 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#370#370	Owl Alphamedium	4.6	Openrouter	$0.000	11.95s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 36.2% Pruebas inestables 1 Tokens de entrada 43,478 Tokens de salida 2,974 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 11.95s Tiempo de respuesta (total) 250.88s Tiempo de respuesta (máximo) 58.63s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Error de API: 1 Tareas de agentes : 0.0 Trucos anti-IA : 4.8 Programación : 5.4 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#376#376	Mimo V2 Omnidefault	4.5	Xiaomi	$0.021 ↓	2.44s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 36.2% Pruebas inestables 1 Tokens de entrada 40,852 Tokens de salida 3,314 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.44s Tiempo de respuesta (total) 48.81s Tiempo de respuesta (máximo) 6.81s Respuesta incorrecta: 10 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 0.0 Trucos anti-IA : 3.6 Programación : 4.4 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#222#222	Claude Sonnet 5.5medium	6.5	Anthropic	$1.100	8.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 40.6% Pruebas inestables 1 Tokens de entrada 361,183 Tokens de salida 26,609 Tokens de razonamiento 11,139 Tiempo de respuesta (promedio) 8.03s Tiempo de respuesta (total) 184.80s Tiempo de respuesta (máximo) 51.18s Formato extra: 8 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Sin respuesta: 1 Respuesta incorrecta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 6.5 Programación : 3.4 Combinado : 8.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#228#228	GLM 5.1none	6.5	Z.ai	$0.451 ↑	11.10s
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 258,956 Tokens de salida 20,076 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 11.10s Tiempo de respuesta (total) 255.39s Tiempo de respuesta (máximo) 107.19s Respuesta incorrecta: 12 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 4.0 Programación : 3.9 Combinado : 2.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#231#231	Laguna XS 2.1medium	6.4	Poolside	$0.083	48.97s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 46.4% Pruebas inestables 3 Tokens de entrada 352,516 Tokens de salida 33,786 Tokens de razonamiento 504,506 Tiempo de respuesta (promedio) 48.97s Tiempo de respuesta (total) 1126.35s Tiempo de respuesta (máximo) 422.72s Respuesta incorrecta: 10 Llamada de herramienta no válida: 2 Sin respuesta: 2 Tareas de agentes : 6.1 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
#259#259	Space Bunny Alphaxhigh	6.2	Stealth	$0.000	60.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 55.1% Pruebas inestables 8 Tokens de entrada 363,310 Tokens de salida 381,919 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 60.03s Tiempo de respuesta (total) 1380.67s Tiempo de respuesta (máximo) 459.99s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 5.2 Trucos anti-IA : 6.4 Programación : 6.6 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 5.6 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#277#277	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
#281#281	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
#282#282	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
#298#298	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
#311#311	Gemma 4 26B A4Bnone	5.5	Google	$0.031	10.55s
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 280,126 Tokens de salida 17,306 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.55s Tiempo de respuesta (total) 242.57s Tiempo de respuesta (máximo) 75.76s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 5.0 Trucos anti-IA : 8.3 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 6.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#315#315	Qwen3.8 27Bnone	5.4	Qwen	~$0.010	5.05s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 39.1% Pruebas inestables 0 Tokens de entrada 281,460 Tokens de salida 13,791 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.05s Tiempo de respuesta (total) 116.11s Tiempo de respuesta (máximo) 47.42s Respuesta incorrecta: 12 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 7.7 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#328#328	Inkling Smalllow	5.2	Thinkingmachines	$0.055 ↓	1.99s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 47.8% Pruebas inestables 4 Tokens de entrada 81,447 Tokens de salida 2,715 Tokens de razonamiento 11,971 Tiempo de respuesta (promedio) 1.99s Tiempo de respuesta (total) 45.67s Tiempo de respuesta (máximo) 5.82s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Error de API: 1 Tareas de agentes : 3.0 Trucos anti-IA : 9.2 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.3 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#375#375	Ring 2.6 1tdefault	4.5	Inclusionai	$0.026 ↑	48.94s
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 7,608 Tokens de salida 17,529 Tokens de razonamiento 34,499 Tiempo de respuesta (promedio) 48.94s Tiempo de respuesta (total) 831.92s Tiempo de respuesta (máximo) 143.82s Error de API: 7 Respuesta incorrecta: 5 No siguió las instrucciones: 2 Tareas de agentes : 3.0 Trucos anti-IA : 9.2 Programación : 5.3 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#303#303	GLM 5none	5.6	Z.ai	$0.140 ↑	8.74s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 40.6% Pruebas inestables 1 Tokens de entrada 190,675 Tokens de salida 5,577 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.74s Tiempo de respuesta (total) 131.17s Tiempo de respuesta (máximo) 74.80s Respuesta incorrecta: 13 Tareas de agentes : 5.0 Trucos anti-IA : 4.8 Programación : 4.0 Combinado : 1.5 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
#424#424	Decider V1.2default	2.6	Perplexity	$0.001	517ms
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 7 Fiabilidad 9.4 Tasa de aciertos por intento 24.6% Pruebas inestables 1 Tokens de entrada 48,363 Tokens de salida 67 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 517ms Tiempo de respuesta (total) 6.20s Tiempo de respuesta (máximo) 776ms Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 0.0 Trucos anti-IA : 5.8 Programación : 4.5 Combinado : 0.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 0.0 Seguimiento de instrucciones : 1.5 Resolución de acertijos : 1.7 Llamada de herramientas : 0.0 Cultura general : 0.0
#437#437	Solar Decide Flashdefault	1.7	Upstage	$0.003	1.33s
Ver ficha del modelo Pruebas totales 7 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 13.0% Pruebas inestables 0 Tokens de entrada 47,586 Tokens de salida 51 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.33s Tiempo de respuesta (total) 9.32s Tiempo de respuesta (máximo) 1.66s Respuesta incorrecta: 4 Tareas de agentes : 0.0 Trucos anti-IA : 0.8 Programación : 0.0 Combinado : 0.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.4 Inteligencia general : 0.0 Seguimiento de instrucciones : 1.5 Resolución de acertijos : 1.0 Llamada de herramientas : 0.0 Cultura general : 0.0

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