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: 2026-09-02 Modelos evaluados: 311

Modelos recomendados

GPT-5.6 Sol high Inteligente Tasa de aciertos por intento 89.4% Pruebas correctas 18 / 22 Puntuación 9.4/10 GPT-5.6 Luna medium Rápido Tiempo de respuesta (promedio) 7.43s Total de tokens de salida 44,525 Puntuación 7.4/10 DeepSeek V4 Flash 0731 high Económico Precio de entrada $0.065 / 1M Precio de salida $0.180 / 1M Puntuación 8.0/10

311/311

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#132#132	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 5 Tokens de entrada 102,986 Tokens de salida 5,860 Tokens de razonamiento 264,399 Tiempo de respuesta (promedio) 32.56s Tiempo de respuesta (total) 716.36s Tiempo de respuesta (máximo) 199.66s Respuesta incorrecta: 6 Formato extra: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.3 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.9 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#76#76	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 98,266 Tokens de salida 1,861 Tokens de razonamiento 134,301 Tiempo de respuesta (promedio) 33.05s Tiempo de respuesta (total) 694.04s Tiempo de respuesta (máximo) 214.63s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.7 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#80#80	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 4 Tokens de entrada 35,224 Tokens de salida 21,570 Tokens de razonamiento 102,996 Tiempo de respuesta (promedio) 33.54s Tiempo de respuesta (total) 435.99s Tiempo de respuesta (máximo) 99.85s Respuesta incorrecta: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 5.0 Análisis y extracción de datos : 7.1 Específico del dominio : 3.5 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#88#88	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.567 ↕	33.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.8 Tasa de aciertos por intento 66.7% Pruebas inestables 3 Tokens de entrada 233,415 Tokens de salida 54,384 Tokens de razonamiento 130,021 Tiempo de respuesta (promedio) 33.62s Tiempo de respuesta (total) 739.59s Tiempo de respuesta (máximo) 392.56s Respuesta incorrecta: 7 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#233#233	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.037 ↓	36.17s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 4 Tokens de entrada 240,230 Tokens de salida 100,726 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 36.17s Tiempo de respuesta (total) 795.83s Tiempo de respuesta (máximo) 247.27s Respuesta incorrecta: 13 Formato extra: 2 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 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
#2🥈 #2	Gemini 3.8 Flashhigh	9.9	Google	$1.595	37.19s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 98.5% Pruebas inestables 1 Tokens de entrada 84,593 Tokens de salida 10,517 Tokens de razonamiento 397,671 Tiempo de respuesta (promedio) 37.19s Tiempo de respuesta (total) 818.19s Tiempo de respuesta (máximo) 177.08s Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 8.2 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#120#120	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 6 Tokens de entrada 92,191 Tokens de salida 14,286 Tokens de razonamiento 289,733 Tiempo de respuesta (promedio) 38.05s Tiempo de respuesta (total) 837.05s Tiempo de respuesta (máximo) 394.54s Respuesta incorrecta: 7 No siguió las instrucciones: 3 Error de API: 1 Trucos anti-IA : 10.0 Programación : 6.7 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#22#22	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 87.9% Pruebas inestables 3 Tokens de entrada 80,668 Tokens de salida 5,617 Tokens de razonamiento 119,699 Tiempo de respuesta (promedio) 38.97s Tiempo de respuesta (total) 857.43s Tiempo de respuesta (máximo) 332.10s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#310#310	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 0 Tokens de entrada 1,971 Tokens de salida 64,795 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 39.03s Tiempo de respuesta (total) 312.26s Tiempo de respuesta (máximo) 114.12s Error de API: 4 No siguió las instrucciones: 1 Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 9.8 Combinado : 1.5 Análisis y extracción de datos : 1.5 Específico del dominio : 3.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 5.0 Resolución de acertijos : 0.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#69#69	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 0 Tokens de entrada 99,705 Tokens de salida 1,545 Tokens de razonamiento 167,784 Tiempo de respuesta (promedio) 39.11s Tiempo de respuesta (total) 860.51s Tiempo de respuesta (máximo) 376.04s Respuesta incorrecta: 4 Sin respuesta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 7.7 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 : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#268#268	Hy4 previewnone	4.8	Tencent	$0.041	39.24s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 4.3 Tasa de aciertos por intento 16.7% Pruebas inestables 1 Tokens de entrada 26,376 Tokens de salida 7,306 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 39.24s Tiempo de respuesta (total) 863.30s Tiempo de respuesta (máximo) 95.32s Respuesta incorrecta: 9 Error de API: 7 No siguió las instrucciones: 2 Formato extra: 1 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
#280#280	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 6 Tokens de entrada 37,449 Tokens de salida 1,677 Tokens de razonamiento 116,703 Tiempo de respuesta (promedio) 39.90s Tiempo de respuesta (total) 797.98s Tiempo de respuesta (máximo) 309.02s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.7 Programación : 3.7 Combinado : 1.5 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 4.2 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#204#204	Mimo V2 Omnimedium	5.9	Xiaomi	$0.683 ↓	41.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% Pruebas inestables 3 Tokens de entrada 37,007 Tokens de salida 1,952 Tokens de razonamiento 357,306 Tiempo de respuesta (promedio) 41.16s Tiempo de respuesta (total) 823.26s Tiempo de respuesta (máximo) 299.23s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 2 Error de API: 1 Formato extra: 1 Trucos anti-IA : 10.0 Programación : 3.3 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.4 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#79#79	Qwen3.7 Flashhigh	7.8	Qwen	$0.052	41.37s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 6 Tokens de entrada 116,331 Tokens de salida 12,330 Tokens de razonamiento 357,920 Tiempo de respuesta (promedio) 41.37s Tiempo de respuesta (total) 910.11s Tiempo de respuesta (máximo) 431.47s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#259#259	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 9 Tokens de entrada 114,527 Tokens de salida 18,558 Tokens de razonamiento 129,146 Tiempo de respuesta (promedio) 43.25s Tiempo de respuesta (total) 908.21s Tiempo de respuesta (máximo) 196.21s Respuesta incorrecta: 6 No siguió las instrucciones: 5 Sin respuesta: 2 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 5.7 Combinado : 3.8 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 3.8 Resolución de acertijos : 5.9 Llamada de herramientas : 4.7 Cultura general : 3.0
#25#25	Muse Spark 1.3low	9.0	Meta	$0.633	43.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 9.6 Tasa de aciertos por intento 83.3% Pruebas inestables 3 Tokens de entrada 104,966 Tokens de salida 10,208 Tokens de razonamiento 107,707 Tiempo de respuesta (promedio) 43.67s Tiempo de respuesta (total) 960.70s Tiempo de respuesta (máximo) 190.38s Respuesta incorrecta: 3 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#126#126	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 140,244 Tokens de salida 13,739 Tokens de razonamiento 212,165 Tiempo de respuesta (promedio) 44.21s Tiempo de respuesta (total) 972.64s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 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
#19#19	Qwen3.7 Maxmedium	9.1	Qwen	$1.157 ↓	44.32s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 86.4% Pruebas inestables 3 Tokens de entrada 106,029 Tokens de salida 5,748 Tokens de razonamiento 220,354 Tiempo de respuesta (promedio) 44.32s Tiempo de respuesta (total) 975.11s Tiempo de respuesta (máximo) 556.06s Respuesta incorrecta: 4 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#140#140	Qwen3.6 Flashmedium	6.8	Qwen	$0.741 ↓	44.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 129,050 Tokens de salida 20,026 Tokens de razonamiento 616,923 Tiempo de respuesta (promedio) 44.97s Tiempo de respuesta (total) 989.32s Tiempo de respuesta (máximo) 578.13s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#71#71	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
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 97,698 Tokens de salida 6,417 Tokens de razonamiento 191,215 Tiempo de respuesta (promedio) 45.52s Tiempo de respuesta (total) 955.94s 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
#249#249	Granite 4.2 8Bmedium	5.2	IBM Granite	$0.009	45.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 8.7 Tasa de aciertos por intento 34.9% Pruebas inestables 1 Tokens de entrada 52,909 Tokens de salida 7,058 Tokens de razonamiento 12,272 Tiempo de respuesta (promedio) 45.97s Tiempo de respuesta (total) 1011.42s Tiempo de respuesta (máximo) 557.96s Respuesta incorrecta: 9 Tiempo agotado: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.4 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 3.8 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#173#173	MiMo-V2.5medium	6.4	Xiaomi	$0.104 ↓	46.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 7 Tokens de entrada 105,456 Tokens de salida 7,108 Tokens de razonamiento 319,940 Tiempo de respuesta (promedio) 46.28s Tiempo de respuesta (total) 1018.12s 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 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
#119#119	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 42,106 Tokens de salida 2,280 Tokens de razonamiento 169,843 Tiempo de respuesta (promedio) 46.97s Tiempo de respuesta (total) 986.35s Tiempo de respuesta (máximo) 189.38s Respuesta incorrecta: 8 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.9 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#137#137	Qwen3.7 Flashmedium	6.9	Qwen	$0.065	47.38s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 7 Tokens de entrada 114,477 Tokens de salida 12,786 Tokens de razonamiento 457,290 Tiempo de respuesta (promedio) 47.38s Tiempo de respuesta (total) 1042.43s Tiempo de respuesta (máximo) 593.64s Respuesta incorrecta: 8 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 5.8 Resolución de acertijos : 7.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#77#77	Seed-2.0-Litemedium	7.8	Bytedance Seed	$0.236	47.94s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 129,906 Tokens de salida 12,530 Tokens de razonamiento 88,766 Tiempo de respuesta (promedio) 47.94s Tiempo de respuesta (total) 1054.57s Tiempo de respuesta (máximo) 254.92s Respuesta incorrecta: 6 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 : 3.6 Inteligencia general : 6.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 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 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium