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)
#374#374	Hy3 previewlow	4.5	Tencent	$0.042 ↕	24.56s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 47.8% Pruebas inestables 2 Tokens de entrada 21,045 Tokens de salida 63,460 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 24.56s Tiempo de respuesta (total) 368.35s Tiempo de respuesta (máximo) 78.74s Error de API: 7 Respuesta incorrecta: 4 Tareas de agentes : 0.0 Trucos anti-IA : 8.3 Programación : 5.3 Combinado : 5.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 2.8 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
#133#133	Muse Glimmer 30Bhigh	7.7	Meta	$0.506 ↓	69.87s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 8 Tokens de entrada 281,859 Tokens de salida 102,526 Tokens de razonamiento 286,217 Tiempo de respuesta (promedio) 69.87s Tiempo de respuesta (total) 1607.12s Tiempo de respuesta (máximo) 451.90s Respuesta incorrecta: 7 No siguió las instrucciones: 3 Sin respuesta: 2 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 5.3 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 6.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#151#151	Seed-2.0-Codemedium	7.4	Bytedance Seed	$1.275	100.65s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 8.0 Tasa de aciertos por intento 65.2% Pruebas inestables 7 Tokens de entrada 244,499 Tokens de salida 8,744 Tokens de razonamiento 375,349 Tiempo de respuesta (promedio) 100.65s Tiempo de respuesta (total) 2314.88s Tiempo de respuesta (máximo) 626.58s Respuesta incorrecta: 6 Error de API: 4 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 6.9 Programación : 8.9 Combinado : 4.7 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 4.7 Cultura general : 3.0
#173#173	Step 3.7 Flashlow	7.2	Stepfun	$0.449	20.72s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.8% Pruebas inestables 6 Tokens de entrada 292,685 Tokens de salida 339,108 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.72s Tiempo de respuesta (total) 476.67s Tiempo de respuesta (máximo) 124.75s Respuesta incorrecta: 9 Llamada de herramienta no válida: 2 Sin respuesta: 1 Tareas de agentes : 7.4 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 7.3 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#174#174	Qwen3.6 27Bmedium	7.2	Qwen	$1.021 ↑	107.79s
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 264,147 Tokens de salida 34,419 Tokens de razonamiento 253,480 Tiempo de respuesta (promedio) 107.79s Tiempo de respuesta (total) 2479.26s Tiempo de respuesta (máximo) 1085.11s Respuesta incorrecta: 5 Sin respuesta: 3 Llamada de herramienta no válida: 2 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 7.7 Combinado : 6.7 Análisis y extracción de datos : 3.5 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#183#183	Kimi K2.7 Codemedium	7.0	Moonshot AI	$1.136 ↑	81.18s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 60.9% Pruebas inestables 5 Tokens de entrada 245,179 Tokens de salida 62,697 Tokens de razonamiento 196,621 Tiempo de respuesta (promedio) 81.18s Tiempo de respuesta (total) 1785.87s Tiempo de respuesta (máximo) 365.80s Respuesta incorrecta: 8 Tiempo agotado: 2 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 7.3 Programación : 7.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#189#189	Muse Glimmer 30Blow	6.9	Meta	$0.219 ↓	22.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.8% Pruebas inestables 6 Tokens de entrada 307,228 Tokens de salida 36,044 Tokens de razonamiento 71,621 Tiempo de respuesta (promedio) 22.40s Tiempo de respuesta (total) 515.14s Tiempo de respuesta (máximo) 234.92s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Llamada de herramienta no válida: 2 Sin respuesta: 1 Tareas de agentes : 6.1 Trucos anti-IA : 8.7 Programación : 8.1 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#193#193	GPT-5.6 Lunalow	6.9	OpenAI	$0.049 ↓	6.96s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 56.5% Pruebas inestables 5 Tokens de entrada 202,680 Tokens de salida 9,230 Tokens de razonamiento 18,771 Tiempo de respuesta (promedio) 6.96s Tiempo de respuesta (total) 160.19s Tiempo de respuesta (máximo) 45.74s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 2.8 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#198#198	Inklinglow	6.8	Thinkingmachines	$0.293 ↓	6.81s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 56.5% Pruebas inestables 4 Tokens de entrada 213,901 Tokens de salida 9,623 Tokens de razonamiento 12,414 Tiempo de respuesta (promedio) 6.81s Tiempo de respuesta (total) 156.70s Tiempo de respuesta (máximo) 44.24s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 5.1 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#201#201	Space Bunny Alphamax	6.7	Stealth	$0.000	36.24s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 59.4% Pruebas inestables 5 Tokens de entrada 315,136 Tokens de salida 219,014 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 36.24s Tiempo de respuesta (total) 833.43s Tiempo de respuesta (máximo) 320.00s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Tareas de agentes : 6.1 Trucos anti-IA : 6.4 Programación : 5.7 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 5.3 Seguimiento de instrucciones : 5.9 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#206#206	Solar Pro 4low	6.7	Upstage	$0.101 ↑	145.21s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 60.9% Pruebas inestables 7 Tokens de entrada 384,974 Tokens de salida 13,946 Tokens de razonamiento 371,916 Tiempo de respuesta (promedio) 145.21s Tiempo de respuesta (total) 3339.87s Tiempo de respuesta (máximo) 640.89s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 6.1 Trucos anti-IA : 8.2 Programación : 5.5 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#208#208	MiniMax M3medium	6.7	Minimax	$0.422 ↑	77.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 9.7 Tasa de aciertos por intento 59.4% Pruebas inestables 5 Tokens de entrada 166,517 Tokens de salida 107,386 Tokens de razonamiento 217,548 Tiempo de respuesta (promedio) 77.03s Tiempo de respuesta (total) 1694.74s Tiempo de respuesta (máximo) 431.03s Respuesta incorrecta: 5 Tiempo agotado: 3 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Tareas de agentes : 3.0 Trucos anti-IA : 5.5 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.2 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#209#209	Ember-1max	6.7	Fireworks	$3.264	97.34s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 8.3 Tasa de aciertos por intento 59.4% Pruebas inestables 6 Tokens de entrada 153,399 Tokens de salida 7,803 Tokens de razonamiento 179,098 Tiempo de respuesta (promedio) 97.34s Tiempo de respuesta (total) 2238.73s Tiempo de respuesta (máximo) 587.08s Error de API: 8 Respuesta incorrecta: 3 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 Programación : 5.2 Combinado : 6.5 Análisis y extracción de datos : 6.4 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#212#212	Apodex 1.1 Minihigh	6.7	Apodex	$0.000	31.25s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 9 Tokens de entrada 365,069 Tokens de salida 133,336 Tokens de razonamiento 344,133 Tiempo de respuesta (promedio) 31.25s Tiempo de respuesta (total) 718.67s Tiempo de respuesta (máximo) 114.61s Respuesta incorrecta: 9 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 : 5.5 Combinado : 4.2 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 8.0 Resolución de acertijos : 8.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#213#213	GLM 5.3 Flashlow	6.6	Z.ai	$0.038	11.82s
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 255,173 Tokens de salida 9,891 Tokens de razonamiento 17,277 Tiempo de respuesta (promedio) 11.82s Tiempo de respuesta (total) 271.92s Tiempo de respuesta (máximo) 90.45s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 Programación : 5.4 Combinado : 3.8 Análisis y extracción de datos : 6.5 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#219#219	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
#221#221	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
#229#229	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
#238#238	Beam 1.0 501B A23Blow	6.4	Reflection	$0.432	4.89s
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 218,076 Tokens de salida 4,863 Tokens de razonamiento 66,387 Tiempo de respuesta (promedio) 4.89s Tiempo de respuesta (total) 112.55s Tiempo de respuesta (máximo) 29.49s Respuesta incorrecta: 6 Error de API: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 6.1 Llamada de herramientas : 3.0 Cultura general : 3.0
#241#241	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
#245#245	Qwen3.5-35B-A3Bmedium	6.3	Qwen	$0.716 ↓	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
#250#250	Solar Pro 4high	6.3	Upstage	$0.077 ↑	128.91s
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 209,002 Tokens de salida 24,675 Tokens de razonamiento 377,528 Tiempo de respuesta (promedio) 128.91s Tiempo de respuesta (total) 2965.04s Tiempo de respuesta (máximo) 491.07s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Tareas de agentes : 2.8 Trucos anti-IA : 8.7 Programación : 5.7 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.5 Seguimiento de instrucciones : 7.9 Resolución de acertijos : 8.7 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
#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

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