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: 2026-07-20 Modelos evaluados: 210

210/210

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#74#74	GLM 5.1medium	7.1	Z.ai	$0.535 ↓	46.77s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 8.3 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 82,623 Tokens de salida 16,089 Tokens de razonamiento 136,463 Tiempo de respuesta (promedio) 46.77s Tiempo de respuesta (total) 982.16s Tiempo de respuesta (máximo) 308.75s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.6 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 8.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#89#89	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.95s
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 104,210 Tokens de salida 10,710 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.95s Tiempo de respuesta (total) 44.26s 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
#90#90	Qwen3.6 35B A3Bmedium	6.7	Qwen	$0.746 ↑	58.06s
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 85,139 Tokens de salida 61,819 Tokens de razonamiento 678,766 Tiempo de respuesta (promedio) 58.06s Tiempo de respuesta (total) 1161.18s Tiempo de respuesta (máximo) 817.57s Respuesta incorrecta: 4 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 : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#104#104	Gemini 3.1 Flash Lite Previewlow	6.5	Google	$0.646	16.70s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 0 Tokens de entrada 110,185 Tokens de salida 14,717 Tokens de razonamiento 397,483 Tiempo de respuesta (promedio) 16.70s Tiempo de respuesta (total) 367.47s Tiempo de respuesta (máximo) 309.35s Respuesta incorrecta: 7 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 : 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
#21#21	GPT-5.2medium	8.4	OpenAI	$0.951	22.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 4 Tokens de entrada 105,004 Tokens de salida 9,914 Tokens de razonamiento 44,868 Tiempo de respuesta (promedio) 22.62s Tiempo de respuesta (total) 339.28s Tiempo de respuesta (máximo) 102.93s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#29#29	Step 3.7 Flashmedium	8.0	Stepfun	$0.515	26.37s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.9 Tasa de aciertos por intento 72.7% Pruebas inestables 3 Tokens de entrada 114,062 Tokens de salida 427,572 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 26.37s Tiempo de respuesta (total) 580.25s Tiempo de respuesta (máximo) 152.83s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#30#30	GPT-5.2 Chatnone	8.0	OpenAI	$0.604	7.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 4 Tokens de entrada 101,248 Tokens de salida 30,424 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.65s Tiempo de respuesta (total) 168.39s Tiempo de respuesta (máximo) 38.52s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#31#31	GLM 5.2high	8.0	Z.ai	$0.970 ↑	62.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 3 Tokens de entrada 83,813 Tokens de salida 69,688 Tokens de razonamiento 225,659 Tiempo de respuesta (promedio) 62.65s Tiempo de respuesta (total) 1378.34s Tiempo de respuesta (máximo) 599.43s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#34#34	GPT-5.6 Terrahigh	8.0	OpenAI	$1.055	11.32s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 2 Tokens de entrada 81,047 Tokens de salida 5,055 Tokens de razonamiento 51,736 Tiempo de respuesta (promedio) 11.32s Tiempo de respuesta (total) 249.14s Tiempo de respuesta (máximo) 91.49s Respuesta incorrecta: 7 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 7.6 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#35#35	Seed-2.0-Litemedium	7.9	Bytedance Seed	$0.234	48.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 4 Tokens de entrada 129,897 Tokens de salida 12,533 Tokens de razonamiento 88,047 Tiempo de respuesta (promedio) 48.53s Tiempo de respuesta (total) 1067.74s Tiempo de respuesta (máximo) 254.92s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 8.0 Combinado : 6.4 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
#39#39	GPT-5.6 Terramedium	7.8	OpenAI	$0.676	7.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 2 Tokens de entrada 79,175 Tokens de salida 4,878 Tokens de razonamiento 26,952 Tiempo de respuesta (promedio) 7.11s Tiempo de respuesta (total) 156.42s Tiempo de respuesta (máximo) 41.68s Respuesta incorrecta: 8 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#40#40	Claude Sonnet 4.6medium	7.8	Anthropic	$2.057	25.91s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de entrada 106,292 Tokens de salida 80,748 Tokens de razonamiento 35,117 Tiempo de respuesta (promedio) 25.91s Tiempo de respuesta (total) 362.78s Tiempo de respuesta (máximo) 140.96s Respuesta incorrecta: 4 Formato extra: 3 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 5.7 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
#48#48	Grok Build 0.1medium	7.6	X AI	$1.097	52.06s
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 106,751 Tokens de salida 7,993 Tokens de razonamiento 486,670 Tiempo de respuesta (promedio) 52.06s Tiempo de respuesta (total) 1145.27s Tiempo de respuesta (máximo) 252.69s Respuesta incorrecta: 5 Formato extra: 3 Trucos anti-IA : 8.3 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#50#50	GPT-5.6 Lunamedium	7.6	OpenAI	$0.352	7.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 1 Tokens de entrada 89,676 Tokens de salida 5,699 Tokens de razonamiento 37,980 Tiempo de respuesta (promedio) 7.28s Tiempo de respuesta (total) 160.27s Tiempo de respuesta (máximo) 29.85s Respuesta incorrecta: 8 Trucos anti-IA : 8.3 Programación : 5.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#57#57	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.437 ↓	89.19s
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 113,560 Tokens de salida 9,823 Tokens de razonamiento 250,881 Tiempo de respuesta (promedio) 89.19s Tiempo de respuesta (total) 1337.92s Tiempo de respuesta (máximo) 304.85s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.6 Combinado : 6.9 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
#72#72	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.046 ↓	64.16s
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 124,771 Tokens de salida 44,077 Tokens de razonamiento 443,141 Tiempo de respuesta (promedio) 64.16s Tiempo de respuesta (total) 1411.60s 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
#88#88	Gemini 3.5 Flashminimal	6.8	Google	$0.300	2.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 1 Tokens de entrada 100,753 Tokens de salida 16,454 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.65s Tiempo de respuesta (total) 58.27s Tiempo de respuesta (máximo) 25.26s Respuesta incorrecta: 5 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 : 10.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#95#95	Gemma 4 26B A4Bmedium	6.6	Google	$0.089 ↓	103.83s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.4 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de entrada 77,550 Tokens de salida 28,036 Tokens de razonamiento 219,491 Tiempo de respuesta (promedio) 103.83s Tiempo de respuesta (total) 2180.47s Tiempo de respuesta (máximo) 912.19s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 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 : 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
#110#110	Gemma 4 31Bmedium	6.3	Google	$0.163 ↑	75.38s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 2 Tokens de entrada 94,992 Tokens de salida 34,468 Tokens de razonamiento 223,278 Tiempo de respuesta (promedio) 75.38s Tiempo de respuesta (total) 1507.52s Tiempo de respuesta (máximo) 437.40s Error de API: 2 Tiempo agotado: 2 Respuesta incorrecta: 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 : 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
#49#49	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 35,593 Tokens de salida 12,245 Tokens de razonamiento 62,277 Tiempo de respuesta (promedio) 23.00s Tiempo de respuesta (total) 482.97s Tiempo de respuesta (máximo) 194.23s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 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
#100#100	Hy3 previewmedium	6.5	Tencent	$0.018 ↕	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
#133#133	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad N/D Tasa de aciertos por intento 63.6% Pruebas inestables 0 Tokens de entrada 28,848 Tokens de salida 1,490 Tokens de razonamiento 10,102 Tiempo de respuesta (promedio) 9.05s Tiempo de respuesta (total) 90.53s Tiempo de respuesta (máximo) 26.24s Error de API: 4 Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 1.5 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 : 3.0
#16#16	Muse Spark 1.1medium	8.6	Meta	$1.357	24.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 2 Tokens de entrada 142,567 Tokens de salida 7,905 Tokens de razonamiento 269,225 Tiempo de respuesta (promedio) 24.97s Tiempo de respuesta (total) 549.31s Tiempo de respuesta (máximo) 165.38s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#18#18	GPT-5.4medium	8.5	OpenAI	$1.533	23.10s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 4 Tokens de entrada 81,127 Tokens de salida 6,155 Tokens de razonamiento 82,515 Tiempo de respuesta (promedio) 23.10s Tiempo de respuesta (total) 508.26s Tiempo de respuesta (máximo) 100.41s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 8.8 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 : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#25#25	Gemini 2.5 Flashmedium	8.2	Google	$0.643	21.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 1 Tokens de entrada 132,498 Tokens de salida 12,739 Tokens de razonamiento 228,464 Tiempo de respuesta (promedio) 21.18s Tiempo de respuesta (total) 465.89s Tiempo de respuesta (máximo) 140.50s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.4 Programación : 7.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#28#28	Inklinghigh	8.0	Thinkingmachines	$1.006	64.16s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.8 Tasa de aciertos por intento 77.3% Pruebas inestables 3 Tokens de entrada 86,746 Tokens de salida 6,055 Tokens de razonamiento 220,791 Tiempo de respuesta (promedio) 64.16s Tiempo de respuesta (total) 1411.59s Tiempo de respuesta (máximo) 327.51s Respuesta incorrecta: 4 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 8.5 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#32#32	Inklingmedium	8.0	Thinkingmachines	$0.391	16.21s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.8 Tasa de aciertos por intento 78.8% Pruebas inestables 5 Tokens de entrada 124,053 Tokens de salida 12,189 Tokens de razonamiento 53,597 Tiempo de respuesta (promedio) 16.21s Tiempo de respuesta (total) 356.54s Tiempo de respuesta (máximo) 85.12s Respuesta incorrecta: 4 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.4 Combinado : 7.3 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 : 3.0 Cultura general : 2.8
#36#36	Qwen3.7 Plusmedium	7.9	Qwen	$0.267 ↓	51.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 3 Tokens de entrada 115,233 Tokens de salida 6,162 Tokens de razonamiento 173,267 Tiempo de respuesta (promedio) 51.51s Tiempo de respuesta (total) 1133.15s Tiempo de respuesta (máximo) 315.30s Respuesta incorrecta: 5 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#37#37	Qwen3.6 Plusmedium	7.8	Qwen	$0.405 ↑	43.12s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 2 Tokens de entrada 97,689 Tokens de salida 6,412 Tokens de razonamiento 184,825 Tiempo de respuesta (promedio) 43.12s Tiempo de respuesta (total) 905.53s Tiempo de respuesta (máximo) 291.55s Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#44#44	GPT-5.6 Lunahigh	7.7	OpenAI	$1.017	18.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 3 Tokens de entrada 80,918 Tokens de salida 5,088 Tokens de razonamiento 150,910 Tiempo de respuesta (promedio) 18.68s Tiempo de respuesta (total) 411.05s Tiempo de respuesta (máximo) 111.09s Respuesta incorrecta: 7 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0

←

1 2 3 4 5 6 7

→

Comparación rápida

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida