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: 2026-08-15 Modelos evaluados: 287

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 $0.140 / 1M Precio de salida $0.280 / 1M Puntuación 8.0/10

287/287

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#47#47	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 3 Tokens de entrada 145,953 Tokens de salida 52,330 Tokens de razonamiento 10,874 Tiempo de respuesta (promedio) 12.54s Tiempo de respuesta (total) 275.90s Tiempo de respuesta (máximo) 66.71s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 9.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#46#46	Gemini 2.5 Flashmedium	8.2	Google	$0.644	21.14s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 1 Tokens de entrada 132,507 Tokens de salida 12,739 Tokens de razonamiento 228,626 Tiempo de respuesta (promedio) 21.14s Tiempo de respuesta (total) 465.10s Tiempo de respuesta (máximo) 140.50s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.4 Programación : 7.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#45#45	Muse Spark 1.1low	8.3	Meta	$0.673	11.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 141,878 Tokens de salida 11,033 Tokens de razonamiento 105,456 Tiempo de respuesta (promedio) 11.89s Tiempo de respuesta (total) 261.69s Tiempo de respuesta (máximo) 54.15s Respuesta incorrecta: 5 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 10.0 Combinado : 6.6 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 8.3 Llamada de herramientas : 9.8 Cultura general : 3.0
#44#44	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 2 Tokens de entrada 85,669 Tokens de salida 6,092 Tokens de razonamiento 292,801 Tiempo de respuesta (promedio) 30.43s Tiempo de respuesta (total) 669.38s Tiempo de respuesta (máximo) 122.60s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.8 Llamada de herramientas : 3.0 Cultura general : 3.0
#43#43	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 5 Tokens de entrada 104,433 Tokens de salida 6,511 Tokens de razonamiento 752,680 Tiempo de respuesta (promedio) 193.59s Tiempo de respuesta (total) 4258.98s Tiempo de respuesta (máximo) 885.33s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.2 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 9.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#42#42	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.6 Tasa de aciertos por intento 77.3% Pruebas inestables 2 Tokens de entrada 100,179 Tokens de salida 904 Tokens de razonamiento 655,731 Tiempo de respuesta (promedio) 167.89s Tiempo de respuesta (total) 3693.54s Tiempo de respuesta (máximo) 640.85s No siguió las instrucciones: 2 Sin respuesta: 2 Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 8.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#41#41	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 4 Tokens de entrada 105,013 Tokens de salida 9,914 Tokens de razonamiento 61,338 Tiempo de respuesta (promedio) 28.51s Tiempo de respuesta (total) 456.13s Tiempo de respuesta (máximo) 116.86s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#40#40	Grok 4.5low	8.4	X AI	$0.945	16.17s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 2 Tokens de entrada 125,605 Tokens de salida 7,505 Tokens de razonamiento 107,984 Tiempo de respuesta (promedio) 16.17s Tiempo de respuesta (total) 355.67s Tiempo de respuesta (máximo) 205.28s Respuesta incorrecta: 6 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#39#39	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 81.8% Pruebas inestables 4 Tokens de entrada 106,787 Tokens de salida 4,811 Tokens de razonamiento 244,997 Tiempo de respuesta (promedio) 73.46s Tiempo de respuesta (total) 1616.12s Tiempo de respuesta (máximo) 514.35s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#38#38	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 3 Tokens de entrada 101,811 Tokens de salida 8,025 Tokens de razonamiento 115,938 Tiempo de respuesta (promedio) 9.77s Tiempo de respuesta (total) 214.83s Tiempo de respuesta (máximo) 47.80s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Trucos anti-IA : 9.2 Programación : 8.4 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#37#37	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 3 Tokens de entrada 122,155 Tokens de salida 5,514 Tokens de razonamiento 293,946 Tiempo de respuesta (promedio) 68.59s Tiempo de respuesta (total) 1508.91s Tiempo de respuesta (máximo) 436.38s Respuesta incorrecta: 5 Trucos anti-IA : 10.0 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#36#36	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 4 Tokens de entrada 81,136 Tokens de salida 6,155 Tokens de razonamiento 84,311 Tiempo de respuesta (promedio) 22.85s Tiempo de respuesta (total) 502.78s Tiempo de respuesta (máximo) 100.41s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 8.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#35#35	Qwen3.8 Maxlow	8.6	Qwen	$0.702	21.83s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 80.3% Pruebas inestables 3 Tokens de entrada 99,181 Tokens de salida 6,132 Tokens de razonamiento 77,689 Tiempo de respuesta (promedio) 21.83s Tiempo de respuesta (total) 480.37s Tiempo de respuesta (máximo) 155.75s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#34#34	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 2 Tokens de entrada 79,249 Tokens de salida 5,097 Tokens de razonamiento 165,276 Tiempo de respuesta (promedio) 66.52s Tiempo de respuesta (total) 1463.50s Tiempo de respuesta (máximo) 238.07s Respuesta incorrecta: 4 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 7.3 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 : 3.0
#33#33	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 1 Tokens de entrada 89,640 Tokens de salida 33,092 Tokens de razonamiento 9,054 Tiempo de respuesta (promedio) 15.01s Tiempo de respuesta (total) 330.15s Tiempo de respuesta (máximo) 80.80s Sin respuesta: 3 Llamada de herramienta no válida: 1 Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 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
#32#32	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 2 Tokens de entrada 142,147 Tokens de salida 7,905 Tokens de razonamiento 284,247 Tiempo de respuesta (promedio) 26.25s Tiempo de respuesta (total) 577.47s Tiempo de respuesta (máximo) 165.38s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#31#31	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 4 Tokens de entrada 123,680 Tokens de salida 7,222 Tokens de razonamiento 271,442 Tiempo de respuesta (promedio) 19.67s Tiempo de respuesta (total) 432.72s Tiempo de respuesta (máximo) 142.49s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 10.0 Combinado : 8.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#30#30	Muse Spark 1.2high	8.7	Meta	$1.771	26.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.9 Tasa de aciertos por intento 74.2% Pruebas inestables 5 Tokens de entrada 117,037 Tokens de salida 6,983 Tokens de razonamiento 375,104 Tiempo de respuesta (promedio) 26.59s Tiempo de respuesta (total) 584.89s Tiempo de respuesta (máximo) 192.00s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.1 Programación : 10.0 Combinado : 8.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#29#29	Claude Opus 4.7medium	8.7	Anthropic	$1.476	7.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 1 Tokens de entrada 145,249 Tokens de salida 24,948 Tokens de razonamiento 5,042 Tiempo de respuesta (promedio) 7.62s Tiempo de respuesta (total) 159.94s Tiempo de respuesta (máximo) 65.40s Respuesta incorrecta: 3 Tiempo agotado: 1 Trucos anti-IA : 8.3 Programación : 7.6 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
#28#28	Gemini 3.6 Flashlow	8.7	Google	$0.251 ↓	4.92s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 89.4% Pruebas inestables 3 Tokens de entrada 85,886 Tokens de salida 5,489 Tokens de razonamiento 44,232 Tiempo de respuesta (promedio) 4.92s Tiempo de respuesta (total) 108.28s Tiempo de respuesta (máximo) 30.83s Respuesta incorrecta: 4 Trucos anti-IA : 8.7 Programación : 7.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#27#27	Claude Opus 5low	8.7	Anthropic	$1.121	6.99s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 1 Tokens de entrada 134,770 Tokens de salida 13,604 Tokens de razonamiento 4,388 Tiempo de respuesta (promedio) 6.99s Tiempo de respuesta (total) 153.80s Tiempo de respuesta (máximo) 30.67s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 7.8 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 : 3.0
#26#26	Claude Opus 4.8medium	8.8	Anthropic	$1.983	12.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 2 Tokens de entrada 138,448 Tokens de salida 40,765 Tokens de razonamiento 11,162 Tiempo de respuesta (promedio) 12.97s Tiempo de respuesta (total) 285.29s Tiempo de respuesta (máximo) 70.54s Respuesta incorrecta: 4 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.9 Análisis y extracción de datos : 7.1 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#25#25	Gemini 3.5 Flash Litehigh	8.8	Google	$0.540	10.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 2 Tokens de entrada 93,046 Tokens de salida 5,884 Tokens de razonamiento 198,741 Tiempo de respuesta (promedio) 10.05s Tiempo de respuesta (total) 221.06s Tiempo de respuesta (máximo) 36.22s Respuesta incorrecta: 5 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 9.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#24#24	Gemini 3.5 Flashlow	8.8	Google	$0.449	5.76s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 84.9% Pruebas inestables 2 Tokens de entrada 87,826 Tokens de salida 2,239 Tokens de razonamiento 32,956 Tiempo de respuesta (promedio) 5.76s Tiempo de respuesta (total) 126.71s Tiempo de respuesta (máximo) 53.55s Respuesta incorrecta: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 8.2 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
#23#23	Seed 2.1 Turbohigh	8.9	Bytedance Seed	$1.797	173.96s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 3 Tokens de entrada 104,695 Tokens de salida 6,645 Tokens de razonamiento 691,086 Tiempo de respuesta (promedio) 173.96s Tiempo de respuesta (total) 3827.19s Tiempo de respuesta (máximo) 584.71s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.2 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#22#22	GPT-5.3-Codexmedium	8.9	OpenAI	$0.988	16.91s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 4 Tokens de entrada 81,187 Tokens de salida 6,258 Tokens de razonamiento 54,116 Tiempo de respuesta (promedio) 16.91s Tiempo de respuesta (total) 372.03s Tiempo de respuesta (máximo) 100.93s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#21#21	Grok 4.5high	9.0	X AI	$2.252 ↑	72.30s
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 152,175 Tokens de salida 5,655 Tokens de razonamiento 318,807 Tiempo de respuesta (promedio) 72.30s Tiempo de respuesta (total) 1590.56s Tiempo de respuesta (máximo) 676.83s Sin respuesta: 2 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#20#20	Qwen3.8 Maxmedium	9.0	Qwen	$0.771	23.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 80.3% Pruebas inestables 1 Tokens de entrada 109,055 Tokens de salida 6,566 Tokens de razonamiento 85,481 Tiempo de respuesta (promedio) 23.34s Tiempo de respuesta (total) 513.47s Tiempo de respuesta (máximo) 126.60s 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 : 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
#19#19	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
#18#18	Gemini 3.5 Flashmedium	9.0	Google	$0.665	8.48s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 1 Tokens de entrada 69,756 Tokens de salida 2,166 Tokens de razonamiento 60,007 Tiempo de respuesta (promedio) 8.48s Tiempo de respuesta (total) 186.57s Tiempo de respuesta (máximo) 76.68s Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 7.9 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 : 7.7 Llamada de herramientas : 10.0 Cultura general : 10.0

Comparación rápida

Gemini 3.6 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 Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Leaderboard de AI Benchy

Modelos recomendados

Filtrar modelos

Comparación rápida