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)
#362#362	Granite 4.2 8Bhigh	4.7	IBM Granite	$0.111	235.35s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 8.2 Tasa de aciertos por intento 37.7% Pruebas inestables 10 Tokens de entrada 282,658 Tokens de salida 198,563 Tokens de razonamiento 462,804 Tiempo de respuesta (promedio) 235.35s Tiempo de respuesta (total) 5413.09s Tiempo de respuesta (máximo) 685.87s Tiempo agotado: 10 Respuesta incorrecta: 7 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 6.9 Programación : 3.8 Combinado : 5.0 Análisis y extracción de datos : 3.8 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#368#368	Laguna S 2.1low	4.6	Poolside	$0.108 ↓	88.24s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 20 Fiabilidad 10.0 Tasa de aciertos por intento 23.2% Pruebas inestables 6 Tokens de entrada 232,641 Tokens de salida 69,335 Tokens de razonamiento 426,182 Tiempo de respuesta (promedio) 88.24s Tiempo de respuesta (total) 2029.57s Tiempo de respuesta (máximo) 814.73s Respuesta incorrecta: 16 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 2.8 Trucos anti-IA : 3.4 Programación : 3.8 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 4.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#390#390	Qwen3.5-9Bmedium	4.0	Qwen	$0.106	110.18s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 20 Fiabilidad 8.7 Tasa de aciertos por intento 26.1% Pruebas inestables 6 Tokens de entrada 387,323 Tokens de salida 48,562 Tokens de razonamiento 410,431 Tiempo de respuesta (promedio) 110.18s Tiempo de respuesta (total) 1873.00s Tiempo de respuesta (máximo) 569.97s Tiempo agotado: 11 Sin respuesta: 3 Respuesta incorrecta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.2 Trucos anti-IA : 5.1 Programación : 2.9 Combinado : 3.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 2.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#435#435	Gemini 3 Flash Previewhigh	1.8	Google	$0.105	52.45s
Ver ficha del modelo Pruebas totales 1 Pruebas incorrectas 0 Fiabilidad 10.0 Tasa de aciertos por intento 4.4% Pruebas inestables 0 Tokens de entrada 134,050 Tokens de salida 1,029 Tokens de razonamiento 11,528 Tiempo de respuesta (promedio) 52.45s Tiempo de respuesta (total) 52.45s Tiempo de respuesta (máximo) 52.45s Tareas de agentes : 10.0 Trucos anti-IA : 0.0 Programación : 0.0 Combinado : 0.0 Análisis y extracción de datos : 0.0 Específico del dominio : 0.0 Inteligencia general : 0.0 Seguimiento de instrucciones : 0.0 Resolución de acertijos : 0.0 Llamada de herramientas : 0.0 Cultura general : 0.0
#319#319	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 49.3% Pruebas inestables 3 Tokens de entrada 139,086 Tokens de salida 193,584 Tokens de razonamiento 413,546 Tiempo de respuesta (promedio) 190.48s Tiempo de respuesta (total) 3238.23s Tiempo de respuesta (máximo) 1597.85s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 2.8 Trucos anti-IA : 10.0 Programación : 2.4 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#327#327	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.105 ↑	8.43s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 29.0% Pruebas inestables 6 Tokens de entrada 272,479 Tokens de salida 40,677 Tokens de razonamiento 23,104 Tiempo de respuesta (promedio) 8.43s Tiempo de respuesta (total) 176.93s Tiempo de respuesta (máximo) 65.61s Respuesta incorrecta: 13 Error de API: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 5.2 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 3.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#244#244	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
#291#291	Ring 2.6 1tmedium	5.7	Inclusionai	$0.102 ↑	65.52s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 56.5% Pruebas inestables 3 Tokens de entrada 113,613 Tokens de salida 122,706 Tokens de razonamiento 42,325 Tiempo de respuesta (promedio) 65.52s Tiempo de respuesta (total) 1376.01s Tiempo de respuesta (máximo) 304.19s 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 : 5.3 Combinado : 7.3 Análisis y extracción de datos : 6.5 Específico del dominio : 3.6 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#157#157	Gemma 4 26B A4Bmedium	7.3	Google	$0.101 ↓	105.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 1 Tokens de entrada 224,367 Tokens de salida 27,095 Tokens de razonamiento 242,256 Tiempo de respuesta (promedio) 105.03s Tiempo de respuesta (total) 2310.63s Tiempo de respuesta (máximo) 912.19s Sin respuesta: 2 Tiempo agotado: 2 Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 2.9 Combinado : 6.3 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
#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
#235#235	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
#340#340	Laguna S 2.1medium	5.0	Poolside	$0.092 ↑	63.06s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 24.6% Pruebas inestables 4 Tokens de entrada 230,291 Tokens de salida 99,030 Tokens de razonamiento 287,794 Tiempo de respuesta (promedio) 63.06s Tiempo de respuesta (total) 1450.31s Tiempo de respuesta (máximo) 560.31s Respuesta incorrecta: 14 Llamada de herramienta no válida: 2 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 3.4 Trucos anti-IA : 3.4 Programación : 5.3 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.2 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#263#263	Gemini 3.1 Flash Lite Previewnone	6.2	Google	$0.090	3.60s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 55.1% Pruebas inestables 1 Tokens de entrada 261,962 Tokens de salida 12,799 Tokens de razonamiento 2,961 Tiempo de respuesta (promedio) 3.60s Tiempo de respuesta (total) 82.91s Tiempo de respuesta (máximo) 48.59s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 7.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#205#205	Qwen3.5-Flashnone	6.7	Qwen	$0.089	26.52s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 37.7% Pruebas inestables 2 Tokens de entrada 463,872 Tokens de salida 219,122 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 26.52s Tiempo de respuesta (total) 609.94s Tiempo de respuesta (máximo) 480.96s Respuesta incorrecta: 14 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#142#142	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 1 Tokens de entrada 315,290 Tokens de salida 1,607 Tokens de razonamiento 207,536 Tiempo de respuesta (promedio) 46.60s Tiempo de respuesta (total) 1071.83s Tiempo de respuesta (máximo) 376.04s Respuesta incorrecta: 5 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 6.1 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
#52#52	GLM 5.3 Flashmax	9.0	Z.ai	$0.089	54.04s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 82.6% Pruebas inestables 3 Tokens de entrada 255,743 Tokens de salida 8,684 Tokens de razonamiento 207,435 Tiempo de respuesta (promedio) 54.04s Tiempo de respuesta (total) 1242.97s Tiempo de respuesta (máximo) 333.47s Respuesta incorrecta: 2 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#91#91	Claude Haiku 5.5high	8.3	Anthropic	$0.088	10.41s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 4 Tokens de entrada 346,451 Tokens de salida 10,136 Tokens de razonamiento 95,504 Tiempo de respuesta (promedio) 10.41s Tiempo de respuesta (total) 239.38s Tiempo de respuesta (máximo) 52.61s Respuesta incorrecta: 4 Formato extra: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#402#402	Grok 4.20 Betadefault	3.6	X AI	$0.087 ↓	1.19s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 29.0% Pruebas inestables 1 Tokens de entrada 40,597 Tokens de salida 1,657 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.19s Tiempo de respuesta (total) 21.43s Tiempo de respuesta (máximo) 6.48s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 0.0 Trucos anti-IA : 4.0 Programación : 1.8 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 0.0
#231#231	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
#155#155	DeepSeek V4 Pro 0423none	7.4	DeepSeek	$0.083 ↓	14.05s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 49.3% Pruebas inestables 4 Tokens de entrada 304,186 Tokens de salida 40,118 Tokens de razonamiento 5,886 Tiempo de respuesta (promedio) 14.05s Tiempo de respuesta (total) 323.17s Tiempo de respuesta (máximo) 119.44s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 3.2 Programación : 5.6 Combinado : 7.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#306#306	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 9.5 Tasa de aciertos por intento 42.0% Pruebas inestables 4 Tokens de entrada 229,346 Tokens de salida 18,597 Tokens de razonamiento 129,338 Tiempo de respuesta (promedio) 56.40s Tiempo de respuesta (total) 1184.46s Tiempo de respuesta (máximo) 431.98s Respuesta incorrecta: 6 Error de API: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 4.7 Trucos anti-IA : 8.3 Programación : 3.1 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.1 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#280#280	Gemini 3.1 Flash Liteminimal	5.9	Google	$0.080	3.95s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 49.3% Pruebas inestables 3 Tokens de entrada 238,785 Tokens de salida 12,875 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.95s Tiempo de respuesta (total) 90.76s Tiempo de respuesta (máximo) 50.03s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#414#414	Command A+high	3.2	Cohere	$0.079	89.96s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 23 Fiabilidad 3.5 Tasa de aciertos por intento 0.0% Pruebas inestables 0 Tokens de entrada 117,966 Tokens de salida 5,149 Tokens de razonamiento 23,514 Tiempo de respuesta (promedio) 89.96s Tiempo de respuesta (total) 2069.01s Tiempo de respuesta (máximo) 156.00s Error de API: 22 Respuesta incorrecta: 1 Tareas de agentes : 3.9 Trucos anti-IA : 3.0 Programación : 3.0 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 3.0 Inteligencia general : 3.0 Seguimiento de instrucciones : 3.0 Resolución de acertijos : 3.0 Llamada de herramientas : 3.0 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
#331#331	KAT Coder AIR V2.5high	5.2	Kwaipilot	$0.077	15.23s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 9.8 Tasa de aciertos por intento 40.6% Pruebas inestables 5 Tokens de entrada 50,423 Tokens de salida 4,144 Tokens de razonamiento 110,510 Tiempo de respuesta (promedio) 15.23s Tiempo de respuesta (total) 350.26s Tiempo de respuesta (máximo) 118.35s Respuesta incorrecta: 9 Error de API: 4 Formato extra: 3 Tareas de agentes : 3.0 Trucos anti-IA : 6.9 Programación : 4.3 Combinado : 6.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.5 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