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)
#334#334	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.7 Tasa de aciertos por intento 42.0% Pruebas inestables 8 Tokens de entrada 321,955 Tokens de salida 41,555 Tokens de razonamiento 94,946 Tiempo de respuesta (promedio) 12.68s Tiempo de respuesta (total) 291.66s Tiempo de respuesta (máximo) 59.15s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 5.6 Programación : 4.4 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#179#179	MiMo-V2.5medium	7.1	Xiaomi	$0.130 ↓	49.20s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 69.6% Pruebas inestables 7 Tokens de entrada 259,664 Tokens de salida 8,414 Tokens de razonamiento 333,097 Tiempo de respuesta (promedio) 49.20s Tiempo de respuesta (total) 1131.69s Tiempo de respuesta (máximo) 316.27s Respuesta incorrecta: 5 Formato extra: 2 Sin respuesta: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 8.7 Análisis y extracción de datos : 2.7 Específico del dominio : 3.6 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#338#338	MiMo-V2.5-Pronone	5.1	Xiaomi	$0.135 ↓	6.21s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 31.9% Pruebas inestables 4 Tokens de entrada 273,075 Tokens de salida 17,069 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.21s Tiempo de respuesta (total) 142.89s Tiempo de respuesta (máximo) 53.13s Respuesta incorrecta: 12 No siguió las instrucciones: 4 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 3.9 Trucos anti-IA : 3.3 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#356#356	Hy3 previewhigh	4.8	Tencent	$0.135 ↕	56.57s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 50.7% Pruebas inestables 2 Tokens de entrada 25,987 Tokens de salida 216,719 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 56.57s Tiempo de respuesta (total) 848.59s Tiempo de respuesta (máximo) 149.94s Error de API: 7 Respuesta incorrecta: 3 Tareas de agentes : 0.0 Trucos anti-IA : 6.4 Programación : 5.3 Combinado : 5.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#283#283	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
#38#38	Claude Haiku 5.5xhigh	9.1	Anthropic	$0.140	16.58s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 81.2% Pruebas inestables 2 Tokens de entrada 394,509 Tokens de salida 10,349 Tokens de razonamiento 188,919 Tiempo de respuesta (promedio) 16.58s Tiempo de respuesta (total) 381.40s Tiempo de respuesta (máximo) 92.74s Respuesta incorrecta: 2 Formato extra: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 10.0 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 : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 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
#145#145	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.140	91.67s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 9.4 Tasa de aciertos por intento 59.4% Pruebas inestables 3 Tokens de entrada 313,368 Tokens de salida 12,289 Tokens de razonamiento 259,270 Tiempo de respuesta (promedio) 91.67s Tiempo de respuesta (total) 1833.43s Tiempo de respuesta (máximo) 301.78s Respuesta incorrecta: 5 Tiempo agotado: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 10.0 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
#192#192	Gemma 4 31Bmedium	6.9	Google	$0.144 ↓	78.76s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 3 Tokens de entrada 251,164 Tokens de salida 36,112 Tokens de razonamiento 241,203 Tiempo de respuesta (promedio) 78.76s Tiempo de respuesta (total) 1653.96s Tiempo de respuesta (máximo) 437.40s Respuesta incorrecta: 4 Error de API: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 4.3 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#349#349	Laguna S 2.1high	4.9	Poolside	$0.145 ↓	113.63s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 27.5% Pruebas inestables 6 Tokens de entrada 344,806 Tokens de salida 177,330 Tokens de razonamiento 453,213 Tiempo de respuesta (promedio) 113.63s Tiempo de respuesta (total) 2613.48s Tiempo de respuesta (máximo) 1190.11s Respuesta incorrecta: 12 Llamada de herramienta no válida: 2 Sin respuesta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 2.8 Trucos anti-IA : 3.4 Programación : 5.3 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.6 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#246#246	Qwen3.6 27Bnone	6.3	Qwen	$0.148 ↓	12.71s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 47.8% Pruebas inestables 6 Tokens de entrada 250,919 Tokens de salida 20,816 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.71s Tiempo de respuesta (total) 292.29s Tiempo de respuesta (máximo) 156.31s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Tareas de agentes : 10.0 Trucos anti-IA : 3.8 Programación : 5.5 Combinado : 3.2 Análisis y extracción de datos : 7.3 Específico del dominio : 7.7 Inteligencia general : 5.2 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 5.3 Llamada de herramientas : 9.5 Cultura general : 3.0
#104#104	DeepSeek V4 Pro 0423high	8.1	DeepSeek	$0.149 ↓	91.29s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 6 Tokens de entrada 287,061 Tokens de salida 32,056 Tokens de razonamiento 196,607 Tiempo de respuesta (promedio) 91.29s Tiempo de respuesta (total) 2099.56s Tiempo de respuesta (máximo) 416.76s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 5.7 Programación : 6.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.8 Resolución de acertijos : 6.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#257#257	DeepSeek V4 Flash 0423none	6.3	DeepSeek	$0.149 ↑	38.64s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 30.4% Pruebas inestables 4 Tokens de entrada 403,455 Tokens de salida 100,227 Tokens de razonamiento 15,364 Tiempo de respuesta (promedio) 38.64s Tiempo de respuesta (total) 888.69s Tiempo de respuesta (máximo) 247.27s Respuesta incorrecta: 13 Formato extra: 2 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 3.0 Programación : 4.2 Combinado : 4.6 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#255#255	DeepSeek V3.2medium	6.3	DeepSeek	$0.152 ↑	70.08s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 62.3% Pruebas inestables 7 Tokens de entrada 306,662 Tokens de salida 17,819 Tokens de razonamiento 125,341 Tiempo de respuesta (promedio) 70.08s Tiempo de respuesta (total) 1611.86s Tiempo de respuesta (máximo) 376.10s Respuesta incorrecta: 6 Error de API: 2 Tiempo agotado: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 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
#190#190	Gemini 3.1 Flash Litemedium	6.9	Google	$0.153	6.27s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 59.4% Pruebas inestables 2 Tokens de entrada 228,023 Tokens de salida 10,779 Tokens de razonamiento 53,188 Tiempo de respuesta (promedio) 6.27s Tiempo de respuesta (total) 144.10s Tiempo de respuesta (máximo) 47.78s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#233#233	Gemini 3 Flash Previewnone	6.4	Google	$0.155	6.05s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 62.3% Pruebas inestables 3 Tokens de entrada 233,893 Tokens de salida 12,432 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.05s Tiempo de respuesta (total) 102.89s Tiempo de respuesta (máximo) 57.84s Respuesta incorrecta: 9 Sin respuesta: 1 Tareas de agentes : 5.0 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
#276#276	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
#182#182	Gemini 3.1 Flash Lite Previewmedium	7.0	Google	$0.158	6.78s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 60.9% Pruebas inestables 0 Tokens de entrada 272,221 Tokens de salida 12,345 Tokens de razonamiento 47,189 Tiempo de respuesta (promedio) 6.78s Tiempo de respuesta (total) 155.96s Tiempo de respuesta (máximo) 54.91s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 Análisis y extracción de datos : 10.0 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
#293#293	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
#285#285	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
#354#354	Hy4 previewnone	4.9	Tencent	$0.165	40.38s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 20 Fiabilidad 6.2 Tasa de aciertos por intento 15.9% Pruebas inestables 1 Tokens de entrada 185,167 Tokens de salida 9,430 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 40.38s Tiempo de respuesta (total) 928.76s Tiempo de respuesta (máximo) 95.32s Respuesta incorrecta: 14 Error de API: 2 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.3 Programación : 3.8 Combinado : 3.0 Análisis y extracción de datos : 8.7 Específico del dominio : 6.8 Inteligencia general : 5.1 Seguimiento de instrucciones : 7.0 Resolución de acertijos : 4.6 Llamada de herramientas : 3.0 Cultura general : 3.0
#330#330	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.168 ↕	77.08s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.6 Tasa de aciertos por intento 47.8% Pruebas inestables 12 Tokens de entrada 170,517 Tokens de salida 149,968 Tokens de razonamiento 509,725 Tiempo de respuesta (promedio) 77.08s Tiempo de respuesta (total) 1772.78s Tiempo de respuesta (máximo) 490.99s Respuesta incorrecta: 11 No siguió las instrucciones: 4 Formato extra: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 3.5 Trucos anti-IA : 5.5 Programación : 4.4 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#294#294	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
#369#369	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.5 Tasa de aciertos por intento 40.6% Pruebas inestables 9 Tokens de entrada 207,883 Tokens de salida 144,718 Tokens de razonamiento 525,897 Tiempo de respuesta (promedio) 83.19s Tiempo de respuesta (total) 1913.41s Tiempo de respuesta (máximo) 597.61s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 3.5 Trucos anti-IA : 6.9 Programación : 4.0 Combinado : 6.3 Análisis y extracción de datos : 2.9 Específico del dominio : 3.6 Inteligencia general : 3.7 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#251#251	Qwen3.5 Plus 2026-02-15none	6.3	Qwen	$0.176	20.07s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 52.2% Pruebas inestables 3 Tokens de entrada 346,064 Tokens de salida 53,060 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.07s Tiempo de respuesta (total) 341.27s Tiempo de respuesta (máximo) 183.50s Respuesta incorrecta: 11 Llamada de herramienta no válida: 1 Tareas de agentes : 5.2 Trucos anti-IA : 4.8 Programación : 4.3 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 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