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: 2026-06-03 Modelos evaluados: 161

161/161

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#12#12	Gemini 3 Flash Previewlow	8.6	Google	$0.106	5.81s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 81.7% Pruebas inestables 1 Tokens de entrada 33,766 Tokens de salida 2,070 Tokens de razonamiento 27,348 Tiempo de respuesta (promedio) 5.81s Tiempo de respuesta (total) 116.25s Tiempo de respuesta (máximo) 14.72s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 7.3 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
#13#13	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
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 entrada 28,980 Tokens de salida 1,283 Tokens de razonamiento 1,533,310 Tiempo de respuesta (promedio) 68.14s Tiempo de respuesta (total) 1090.28s Tiempo de respuesta (máximo) 280.52s Respuesta incorrecta: 2 No siguió las instrucciones: 1 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
#9#9	Claude Opus 4.7none	8.9	Anthropic	$0.505	3.02s
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 entrada 69,576 Tokens de salida 6,265 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.02s Tiempo de respuesta (total) 57.44s 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
#5#5	Qwen3.7 Maxmedium	9.0	Qwen	$0.471 ↓	13.83s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 88.3% Pruebas inestables 1 Tokens de entrada 39,525 Tokens de salida 2,109 Tokens de razonamiento 110,285 Tiempo de respuesta (promedio) 13.83s Tiempo de respuesta (total) 276.53s Tiempo de respuesta (máximo) 33.37s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 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	Gemini 3.5 Flashmedium	9.0	Google	$0.472	4.29s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 86.7% Pruebas inestables 1 Tokens de entrada 33,933 Tokens de salida 1,995 Tokens de razonamiento 44,792 Tiempo de respuesta (promedio) 4.29s Tiempo de respuesta (total) 85.72s Tiempo de respuesta (máximo) 12.05s Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 10.0
#7#7	Claude Opus 4.7medium	8.9	Anthropic	$0.624	4.48s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 85.0% Pruebas inestables 0 Tokens de entrada 61,569 Tokens de salida 10,439 Tokens de razonamiento 2,198 Tiempo de respuesta (promedio) 4.48s Tiempo de respuesta (total) 85.21s Tiempo de respuesta (máximo) 23.18s 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
#8#8	GPT-5.5low	8.9	OpenAI	$0.822	9.43s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 85.0% Pruebas inestables 0 Tokens de entrada 31,590 Tokens de salida 2,025 Tokens de razonamiento 20,092 Tiempo de respuesta (promedio) 9.43s Tiempo de respuesta (total) 188.66s 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
#3🥉 #3	Gemini 3.5 Flashlow	9.3	Google	$0.285	2.98s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 90.0% Pruebas inestables 0 Tokens de entrada 33,935 Tokens de salida 2,027 Tokens de razonamiento 23,938 Tiempo de respuesta (promedio) 2.98s Tiempo de respuesta (total) 59.59s Tiempo de respuesta (máximo) 6.44s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 6.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#4#4	Gemini 3.1 Pro Previewmedium	9.3	Google	$1.006	20.77s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 90.0% Pruebas inestables 0 Tokens de entrada 38,614 Tokens de salida 1,971 Tokens de razonamiento 75,384 Tiempo de respuesta (promedio) 20.77s Tiempo de respuesta (total) 269.96s Tiempo de respuesta (máximo) 88.68s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 7.0 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	9.8	Google	$0.567	16.50s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 98.3% Pruebas inestables 1 Tokens de entrada 34,014 Tokens de salida 2,000 Tokens de razonamiento 181,033 Tiempo de respuesta (promedio) 16.50s Tiempo de respuesta (total) 330.06s Tiempo de respuesta (máximo) 117.26s Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 7.9 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
#2🥈 #2	Gemini 3.5 Flashhigh	9.6	Google	$0.994	8.30s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 96.7% Pruebas inestables 1 Tokens de entrada 34,591 Tokens de salida 1,969 Tokens de razonamiento 102,679 Tiempo de respuesta (promedio) 8.30s Tiempo de respuesta (total) 165.92s Tiempo de respuesta (máximo) 34.82s Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 9.8 Cultura general : 10.0

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida