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: 2026-09-04 Modelos evaluados: 316

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

316/316

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#181#181	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 69.7% Pruebas inestables 5 Tokens de entrada 40,961 Tokens de salida 2,518 Tokens de razonamiento 81,801 Tiempo de respuesta (promedio) 22.16s Tiempo de respuesta (total) 443.22s Tiempo de respuesta (máximo) 136.29s Respuesta incorrecta: 5 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 2.3 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#231#231	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 9.6 Tasa de aciertos por intento 45.5% Pruebas inestables 3 Tokens de entrada 51,369 Tokens de salida 8,008 Tokens de razonamiento 58,568 Tiempo de respuesta (promedio) 8.65s Tiempo de respuesta (total) 190.35s Tiempo de respuesta (máximo) 48.19s Respuesta incorrecta: 10 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 3.6 Combinado : 6.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#271#271	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.71s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 9.6 Tasa de aciertos por intento 30.3% Pruebas inestables 2 Tokens de entrada 114,384 Tokens de salida 14,903 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.71s Tiempo de respuesta (total) 214.28s Tiempo de respuesta (máximo) 36.03s Respuesta incorrecta: 9 Llamada de herramienta no válida: 3 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 6.8 Programación : 5.3 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 2.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#307#307	Ling 3.0 Tinylow	3.8	Inclusionai	$0.000	66.16s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 9.6 Tasa de aciertos por intento 19.7% Pruebas inestables 1 Tokens de entrada 99,662 Tokens de salida 146,555 Tokens de razonamiento 732,977 Tiempo de respuesta (promedio) 66.16s Tiempo de respuesta (total) 1389.33s Tiempo de respuesta (máximo) 252.08s Sin respuesta: 7 Respuesta incorrecta: 5 No siguió las instrucciones: 4 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.5 Programación : 2.9 Combinado : 3.0 Análisis y extracción de datos : 2.8 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 6.6 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#310#310	Ling 3.0 Tinymedium	3.8	Inclusionai	$0.000	68.08s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 9.6 Tasa de aciertos por intento 24.2% Pruebas inestables 3 Tokens de entrada 103,898 Tokens de salida 148,304 Tokens de razonamiento 774,972 Tiempo de respuesta (promedio) 68.08s Tiempo de respuesta (total) 1429.66s Tiempo de respuesta (máximo) 262.20s Sin respuesta: 7 Respuesta incorrecta: 5 No siguió las instrucciones: 4 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.5 Programación : 2.9 Combinado : 3.0 Análisis y extracción de datos : 2.7 Específico del dominio : 3.0 Inteligencia general : 3.8 Seguimiento de instrucciones : 6.8 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#3🥉 #3	GPT-6 Astramax	9.9	OpenAI	$3.803	61.27s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 1 Fiabilidad 9.5 Tasa de aciertos por intento 95.5% Pruebas inestables 0 Tokens de entrada 79,058 Tokens de salida 4,853 Tokens de razonamiento 55,377 Tiempo de respuesta (promedio) 61.27s Tiempo de respuesta (total) 1347.96s Tiempo de respuesta (máximo) 960.01s Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 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 : 10.0
#78#78	GLM 5.2medium	7.8	Z.ai	$0.224 ↓	23.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 9.5 Tasa de aciertos por intento 80.3% Pruebas inestables 4 Tokens de entrada 37,199 Tokens de salida 12,261 Tokens de razonamiento 49,500 Tiempo de respuesta (promedio) 23.28s Tiempo de respuesta (total) 488.94s Tiempo de respuesta (máximo) 101.36s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#61#61	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.4 Tasa de aciertos por intento 72.7% Pruebas inestables 2 Tokens de entrada 113,279 Tokens de salida 121,045 Tokens de razonamiento 374,496 Tiempo de respuesta (promedio) 118.97s Tiempo de respuesta (total) 2617.41s Tiempo de respuesta (máximo) 534.21s Respuesta incorrecta: 4 Sin respuesta: 2 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 : 3.2 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#110#110	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.4 Tasa de aciertos por intento 74.2% Pruebas inestables 4 Tokens de entrada 108,931 Tokens de salida 112,801 Tokens de razonamiento 343,227 Tiempo de respuesta (promedio) 120.59s Tiempo de respuesta (total) 2653.05s Tiempo de respuesta (máximo) 532.28s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#272#272	Nemotron 3 Supernone	4.8	NVIDIA	$0.008 ↑	6.04s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 9.2 Tasa de aciertos por intento 27.3% Pruebas inestables 2 Tokens de entrada 63,528 Tokens de salida 6,432 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.04s Tiempo de respuesta (total) 132.96s Tiempo de respuesta (máximo) 20.00s Respuesta incorrecta: 15 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 3.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#217#217	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	52.31s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 9.1 Tasa de aciertos por intento 40.9% Pruebas inestables 3 Tokens de entrada 81,438 Tokens de salida 17,674 Tokens de razonamiento 97,900 Tiempo de respuesta (promedio) 52.31s Tiempo de respuesta (total) 1046.21s Tiempo de respuesta (máximo) 431.98s Respuesta incorrecta: 5 Error de API: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 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
#71#71	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.0 Tasa de aciertos por intento 77.3% Pruebas inestables 2 Tokens de entrada 34,960 Tokens de salida 2,887 Tokens de razonamiento 221,241 Tiempo de respuesta (promedio) 142.84s Tiempo de respuesta (total) 2714.02s Tiempo de respuesta (máximo) 766.58s Error de API: 2 Sin respuesta: 2 Formato extra: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#258#258	Granite 4.2 8Blow	5.1	IBM Granite	$0.012	54.36s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 9.0 Tasa de aciertos por intento 31.8% Pruebas inestables 0 Tokens de entrada 74,721 Tokens de salida 9,205 Tokens de razonamiento 18,723 Tiempo de respuesta (promedio) 54.36s Tiempo de respuesta (total) 1195.97s Tiempo de respuesta (máximo) 566.80s Respuesta incorrecta: 10 Tiempo agotado: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.3 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 : 3.0 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#138#138	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.116	93.10s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 8.7 Tasa de aciertos por intento 57.6% Pruebas inestables 3 Tokens de entrada 125,704 Tokens de salida 10,781 Tokens de razonamiento 247,541 Tiempo de respuesta (promedio) 93.10s Tiempo de respuesta (total) 1768.91s Tiempo de respuesta (máximo) 301.78s Respuesta incorrecta: 5 Tiempo agotado: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.6 Programación : 5.5 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#254#254	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
#263#263	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 8.7 Tasa de aciertos por intento 18.2% Pruebas inestables 0 Tokens de entrada 130,501 Tokens de salida 26,786 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 29.95s Tiempo de respuesta (total) 658.83s Tiempo de respuesta (máximo) 159.85s Respuesta incorrecta: 12 Formato extra: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.0 Programación : 3.9 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.5 Llamada de herramientas : 9.5 Cultura general : 3.0
#143#143	Seed-2.0-Codehigh	6.9	Bytedance Seed	$1.273	124.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 8.6 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 81,970 Tokens de salida 7,186 Tokens de razonamiento 403,389 Tiempo de respuesta (promedio) 124.18s Tiempo de respuesta (total) 2732.03s Tiempo de respuesta (máximo) 675.30s Error de API: 5 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 6.2 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 4.7 Cultura general : 3.0
#248#248	Seed-2.0-Codenone	5.3	Bytedance Seed	$0.151	14.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 8.6 Tasa de aciertos por intento 36.4% Pruebas inestables 5 Tokens de entrada 159,749 Tokens de salida 23,433 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 14.67s Tiempo de respuesta (total) 322.71s Tiempo de respuesta (máximo) 132.84s Respuesta incorrecta: 11 Formato extra: 2 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 3.0 Programación : 3.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#294#294	GLM 4.7 Flashmedium	4.3	Z.ai	$0.168	134.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 8.6 Tasa de aciertos por intento 31.8% Pruebas inestables 8 Tokens de entrada 79,104 Tokens de salida 42,254 Tokens de razonamiento 377,280 Tiempo de respuesta (promedio) 134.34s Tiempo de respuesta (total) 2015.13s Tiempo de respuesta (máximo) 1539.97s Respuesta incorrecta: 9 Sin respuesta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Tiempo agotado: 2 Trucos anti-IA : 4.7 Programación : 3.2 Combinado : 2.9 Análisis y extracción de datos : 6.3 Específico del dominio : 3.5 Inteligencia general : 3.6 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#296#296	Granite 4.2 8Bnone	4.3	IBM Granite	$0.026	86.27s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 8.6 Tasa de aciertos por intento 16.7% Pruebas inestables 2 Tokens de entrada 57,786 Tokens de salida 130,805 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 86.27s Tiempo de respuesta (total) 1897.96s Tiempo de respuesta (máximo) 747.17s Respuesta incorrecta: 11 Formato extra: 4 Tiempo agotado: 3 No siguió las instrucciones: 1 Trucos anti-IA : 4.9 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 2.9 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 3.0 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#86#86	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 8.5 Tasa de aciertos por intento 77.3% Pruebas inestables 6 Tokens de entrada 85,657 Tokens de salida 8,142 Tokens de razonamiento 233,167 Tiempo de respuesta (promedio) 72.24s Tiempo de respuesta (total) 1589.31s Tiempo de respuesta (máximo) 485.92s Respuesta incorrecta: 6 Error de API: 2 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 7.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 9.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#216#216	North Mini Codemedium	5.7	Cohere	$0.000	141.99s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 8.5 Tasa de aciertos por intento 43.9% Pruebas inestables 4 Tokens de entrada 81,742 Tokens de salida 423,884 Tokens de razonamiento 1,340,907 Tiempo de respuesta (promedio) 141.99s Tiempo de respuesta (total) 3123.87s Tiempo de respuesta (máximo) 786.72s Respuesta incorrecta: 9 Formato extra: 2 Error de API: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 8.4 Programación : 4.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#134#134	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 8.1 Tasa de aciertos por intento 65.2% Pruebas inestables 4 Tokens de entrada 82,592 Tokens de salida 16,089 Tokens de razonamiento 199,800 Tiempo de respuesta (promedio) 58.80s Tiempo de respuesta (total) 1234.72s Tiempo de respuesta (máximo) 308.75s Respuesta incorrecta: 4 Sin respuesta: 2 Tiempo agotado: 2 Error de API: 1 Formato extra: 1 Trucos anti-IA : 10.0 Programación : 4.6 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 8.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#287#287	Granite 4.2 8Bhigh	4.6	IBM Granite	$0.084	235.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 7.6 Tasa de aciertos por intento 39.4% Pruebas inestables 10 Tokens de entrada 43,278 Tokens de salida 181,083 Tokens de razonamiento 431,132 Tiempo de respuesta (promedio) 235.89s Tiempo de respuesta (total) 5189.64s Tiempo de respuesta (máximo) 685.87s Tiempo agotado: 10 Respuesta incorrecta: 6 Llamada de herramienta no válida: 1 Sin respuesta: 1 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
#147#147	Seed-2.0-Codemedium	6.8	Bytedance Seed	$1.153	101.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 7.3 Tasa de aciertos por intento 63.6% Pruebas inestables 7 Tokens de entrada 76,036 Tokens de salida 7,267 Tokens de razonamiento 364,176 Tiempo de respuesta (promedio) 101.05s Tiempo de respuesta (total) 2223.19s Tiempo de respuesta (máximo) 626.58s Error de API: 6 Respuesta incorrecta: 4 Formato extra: 1 No siguió las instrucciones: 1 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

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 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium