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)
#216#216	Qwen3.6 27Bnone	6.3	Qwen	$0.147 ↓	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
#215#215	Qwen3.5-35B-A3Bmedium	6.3	Qwen	$0.971 ↓	111.54s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 7 Tokens de entrada 378,048 Tokens de salida 56,477 Tokens de razonamiento 865,151 Tiempo de respuesta (promedio) 111.54s Tiempo de respuesta (total) 2565.38s Tiempo de respuesta (máximo) 950.25s Sin respuesta: 3 Tiempo agotado: 3 Respuesta incorrecta: 3 Error de API: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 7.4 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 3.8 Análisis y extracción de datos : 7.3 Específico del dominio : 3.5 Inteligencia general : 2.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#214#214	LongCat 2.0none	6.4	Meituan	$0.104	8.50s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 42.0% Pruebas inestables 3 Tokens de entrada 276,199 Tokens de salida 17,473 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.50s Tiempo de respuesta (total) 195.60s Tiempo de respuesta (máximo) 81.77s Respuesta incorrecta: 13 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 6.1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 4.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#212#212	Dots 3 Note Previewhigh	6.4	Dots Studio	$0.000	70.48s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 59.4% Pruebas inestables 7 Tokens de entrada 255,887 Tokens de salida 154,879 Tokens de razonamiento 603,518 Tiempo de respuesta (promedio) 70.48s Tiempo de respuesta (total) 1620.93s Tiempo de respuesta (máximo) 480.52s Respuesta incorrecta: 9 Sin respuesta: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 6.1 Trucos anti-IA : 8.7 Programación : 5.8 Combinado : 6.9 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 3.4 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#213#213	Dots 3 Note Previewlow	6.4	Dots Studio	$0.000	66.13s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 58.0% Pruebas inestables 6 Tokens de entrada 260,850 Tokens de salida 125,908 Tokens de razonamiento 516,424 Tiempo de respuesta (promedio) 66.13s Tiempo de respuesta (total) 1520.96s Tiempo de respuesta (máximo) 417.36s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.9 Análisis y extracción de datos : 7.3 Específico del dominio : 3.6 Inteligencia general : 4.0 Seguimiento de instrucciones : 7.9 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#211#211	MiMo-V2.5-Promedium	6.4	Xiaomi	$0.332 ↓	56.72s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.8% Pruebas inestables 7 Tokens de entrada 253,462 Tokens de salida 40,269 Tokens de razonamiento 185,716 Tiempo de respuesta (promedio) 56.72s Tiempo de respuesta (total) 1304.54s Tiempo de respuesta (máximo) 333.34s Respuesta incorrecta: 4 Formato extra: 3 No siguió las instrucciones: 2 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.9 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#209#209	Mercury 2.5medium	6.4	Inception	$0.034	7.74s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 9.7 Tasa de aciertos por intento 63.8% Pruebas inestables 5 Tokens de entrada 317,982 Tokens de salida 3,918 Tokens de razonamiento 135,028 Tiempo de respuesta (promedio) 7.74s Tiempo de respuesta (total) 178.07s Tiempo de respuesta (máximo) 107.89s Respuesta incorrecta: 9 Error de API: 1 Tiempo agotado: 1 Tareas de agentes : 4.7 Trucos anti-IA : 10.0 Programación : 5.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#210#210	Gemini 3.5 Flashminimal	6.4	Google	$0.508	4.67s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 58.0% Pruebas inestables 1 Tokens de entrada 230,004 Tokens de salida 18,040 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.67s Tiempo de respuesta (total) 107.45s Tiempo de respuesta (máximo) 49.23s Respuesta incorrecta: 7 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 6.5 Programación : 5.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#208#208	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 9.6 Tasa de aciertos por intento 60.9% Pruebas inestables 8 Tokens de entrada 292,271 Tokens de salida 55,025 Tokens de razonamiento 186,071 Tiempo de respuesta (promedio) 125.76s Tiempo de respuesta (total) 2137.84s Tiempo de respuesta (máximo) 566.79s Respuesta incorrecta: 5 Tiempo agotado: 3 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.9 Trucos anti-IA : 7.3 Programación : 6.1 Combinado : 6.7 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#207#207	Claude Sonnet 4.6medium	6.4	Anthropic	$2.126	28.08s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 62.3% Pruebas inestables 1 Tokens de entrada 106,316 Tokens de salida 79,338 Tokens de razonamiento 41,089 Tiempo de respuesta (promedio) 28.08s Tiempo de respuesta (total) 421.15s Tiempo de respuesta (máximo) 140.96s Respuesta incorrecta: 4 Formato extra: 3 Tiempo agotado: 1 Tareas de agentes : 0.0 Trucos anti-IA : 6.5 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#206#206	Solar Pro 4medium	6.4	Upstage	$0.098 ↑	133.93s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 9.9 Tasa de aciertos por intento 60.9% Pruebas inestables 5 Tokens de entrada 299,558 Tokens de salida 33,248 Tokens de razonamiento 374,819 Tiempo de respuesta (promedio) 133.93s Tiempo de respuesta (total) 3080.36s Tiempo de respuesta (máximo) 519.91s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 8.2 Programación : 5.5 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#205#205	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
#204#204	Qwen3.5-122B-A10Bnone	6.4	Qwen	$0.308 ↓	14.79s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 36.2% Pruebas inestables 2 Tokens de entrada 405,921 Tokens de salida 97,112 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 14.79s Tiempo de respuesta (total) 340.25s Tiempo de respuesta (máximo) 212.63s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 4.8 Programación : 3.7 Combinado : 5.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#203#203	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
#202#202	Grok 4.3medium	6.5	X AI	$0.989	44.53s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.8% Pruebas inestables 5 Tokens de entrada 325,471 Tokens de salida 14,867 Tokens de razonamiento 217,675 Tiempo de respuesta (promedio) 44.53s Tiempo de respuesta (total) 1024.25s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 3.9 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#201#201	KAT-Coder-Pro V2.5high	6.5	Kwaipilot	$0.506	21.21s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 60.9% Pruebas inestables 6 Tokens de entrada 106,085 Tokens de salida 9,071 Tokens de razonamiento 135,288 Tiempo de respuesta (promedio) 21.21s Tiempo de respuesta (total) 487.83s Tiempo de respuesta (máximo) 199.97s Respuesta incorrecta: 10 Error de API: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 7.0 Programación : 6.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#200#200	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
#199#199	GLM 5.3low	6.5	Z.ai	$0.471	15.18s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.8% Pruebas inestables 5 Tokens de entrada 247,871 Tokens de salida 10,791 Tokens de razonamiento 17,315 Tiempo de respuesta (promedio) 15.18s Tiempo de respuesta (total) 349.06s Tiempo de respuesta (máximo) 83.60s Respuesta incorrecta: 8 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.2 Trucos anti-IA : 6.9 Programación : 6.2 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#198#198	Mercury 2.5high	6.5	Inception	$0.044	7.62s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 9.8 Tasa de aciertos por intento 59.4% Pruebas inestables 4 Tokens de entrada 358,562 Tokens de salida 4,266 Tokens de razonamiento 189,410 Tiempo de respuesta (promedio) 7.62s Tiempo de respuesta (total) 175.36s Tiempo de respuesta (máximo) 80.30s Respuesta incorrecta: 9 Error de API: 1 Sin respuesta: 1 Tareas de agentes : 3.9 Trucos anti-IA : 10.0 Programación : 6.4 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#197#197	Mercury 2.5 Previewhigh	6.5	Inception	$0.040 ↑	7.61s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 9.9 Tasa de aciertos por intento 65.2% Pruebas inestables 6 Tokens de entrada 298,512 Tokens de salida 3,178 Tokens de razonamiento 177,419 Tiempo de respuesta (promedio) 7.61s Tiempo de respuesta (total) 175.08s Tiempo de respuesta (máximo) 86.84s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Error de API: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 6.7 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#196#196	Qwen3.6 35B A3Bmedium	6.5	Qwen	$0.834 ↑	59.92s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 58.0% Pruebas inestables 3 Tokens de entrada 282,192 Tokens de salida 75,306 Tokens de razonamiento 700,868 Tiempo de respuesta (promedio) 59.92s Tiempo de respuesta (total) 1258.32s Tiempo de respuesta (máximo) 817.57s Respuesta incorrecta: 6 Error de API: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 7.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#195#195	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
#194#194	KAT-Coder-Pro V2.5low	6.5	Kwaipilot	$0.568 ↑	19.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 8 Tokens de entrada 87,682 Tokens de salida 7,166 Tokens de razonamiento 106,027 Tiempo de respuesta (promedio) 19.40s Tiempo de respuesta (total) 446.11s Tiempo de respuesta (máximo) 209.15s Respuesta incorrecta: 10 Error de API: 2 Tareas de agentes : 3.0 Trucos anti-IA : 6.9 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#193#193	Step 3.7 Flashhigh	6.6	Stepfun	$1.478 ↑	72.72s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 58.0% Pruebas inestables 4 Tokens de entrada 421,200 Tokens de salida 1,100,052 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 72.72s Tiempo de respuesta (total) 1672.53s Tiempo de respuesta (máximo) 364.99s Respuesta incorrecta: 8 Sin respuesta: 2 Error de API: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.4 Trucos anti-IA : 10.0 Programación : 4.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#192#192	Mercury 2medium	6.6	Inception	$0.121	4.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 53.6% Pruebas inestables 5 Tokens de entrada 189,300 Tokens de salida 10,854 Tokens de razonamiento 86,089 Tiempo de respuesta (promedio) 4.40s Tiempo de respuesta (total) 96.81s Tiempo de respuesta (máximo) 34.92s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 4.7 Trucos anti-IA : 6.9 Programación : 8.2 Combinado : 6.7 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.4 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