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: 305

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

305/305

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#227#227	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.040 ↓	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
#228#228	Laguna S 2.1medium	5.4	Poolside	$0.053 ↓	58.42s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 24.2% Pruebas inestables 3 Tokens de entrada 86,647 Tokens de salida 97,298 Tokens de razonamiento 242,297 Tiempo de respuesta (promedio) 58.42s Tiempo de respuesta (total) 1285.26s Tiempo de respuesta (máximo) 560.31s Respuesta incorrecta: 13 Llamada de herramienta no válida: 2 Sin respuesta: 2 No siguió las instrucciones: 1 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
#233#233	DeepSeek V4 Flash 0731none	5.4	DeepSeek	$0.011 ↓	20.72s
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 94,566 Tokens de salida 25,426 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.72s Tiempo de respuesta (total) 455.81s Tiempo de respuesta (máximo) 387.15s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Formato extra: 1 Trucos anti-IA : 3.4 Programación : 4.3 Combinado : 3.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 5.0 Resolución de acertijos : 3.2 Llamada de herramientas : 9.5 Cultura general : 3.0
#234#234	Laguna S 2.1high	5.4	Poolside	$0.114 ↓	111.60s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 5 Tokens de entrada 208,937 Tokens de salida 175,588 Tokens de razonamiento 409,276 Tiempo de respuesta (promedio) 111.60s Tiempo de respuesta (total) 2455.24s Tiempo de respuesta (máximo) 1190.11s Respuesta incorrecta: 11 Llamada de herramienta no válida: 2 Sin respuesta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 5.3 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.6 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#238#238	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 18.2% Pruebas inestables 0 Tokens de entrada 106,423 Tokens de salida 11,555 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.59s Tiempo de respuesta (total) 163.20s Tiempo de respuesta (máximo) 25.72s Respuesta incorrecta: 12 Error de API: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 3.8 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 3.1 Llamada de herramientas : 3.0 Cultura general : 3.0
#240#240	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.051 ↓	5.57s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 28.8% Pruebas inestables 5 Tokens de entrada 93,990 Tokens de salida 45,905 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.57s Tiempo de respuesta (total) 111.32s Tiempo de respuesta (máximo) 39.54s Respuesta incorrecta: 13 Error de API: 2 No siguió las instrucciones: 2 Sin respuesta: 1 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
#250#250	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 19.7% Pruebas inestables 1 Tokens de entrada 144,416 Tokens de salida 37,484 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 19.19s Tiempo de respuesta (total) 422.25s Tiempo de respuesta (máximo) 382.06s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.1 Programación : 3.9 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#252#252	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
#259#259	Mercury 2.5 Previewnone	4.9	Inception	$0.018	3.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 5 Tokens de entrada 130,296 Tokens de salida 82,585 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.51s Tiempo de respuesta (total) 77.28s Tiempo de respuesta (máximo) 60.70s Respuesta incorrecta: 16 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.8 Programación : 4.7 Combinado : 3.0 Análisis y extracción de datos : 6.3 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#265#265	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.56s
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 115,933 Tokens de salida 13,794 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.56s Tiempo de respuesta (total) 56.37s Tiempo de respuesta (máximo) 25.50s Respuesta incorrecta: 15 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 3.5 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#275#275	Mercury 2none	4.7	Inception	$0.030	825ms
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 24.2% Pruebas inestables 2 Tokens de entrada 89,637 Tokens de salida 9,584 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 825ms Tiempo de respuesta (total) 18.14s Tiempo de respuesta (máximo) 4.52s Respuesta incorrecta: 17 No siguió las instrucciones: 1 Trucos anti-IA : 3.0 Programación : 3.4 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#276#276	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
#283#283	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
#295#295	Ling 3.0 Tinyhigh	3.8	Inclusionai	$0.000	75.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 24.2% Pruebas inestables 3 Tokens de entrada 115,314 Tokens de salida 133,965 Tokens de razonamiento 816,718 Tiempo de respuesta (promedio) 75.68s Tiempo de respuesta (total) 1589.20s Tiempo de respuesta (máximo) 345.15s Sin respuesta: 7 Respuesta incorrecta: 6 No siguió las instrucciones: 3 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.4 Programación : 2.9 Combinado : 3.0 Análisis y extracción de datos : 2.8 Específico del dominio : 2.9 Inteligencia general : 5.4 Seguimiento de instrucciones : 6.8 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#296#296	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
#299#299	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
#297#297	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 19.7% Pruebas inestables 3 Tokens de entrada 36,608 Tokens de salida 1,723 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.62s Tiempo de respuesta (total) 19.48s Tiempo de respuesta (máximo) 5.51s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Trucos anti-IA : 3.2 Programación : 1.8 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 3.0 Resolución de acertijos : 3.0 Llamada de herramientas : 2.8 Cultura general : 3.0
#222#222	Hy4 previewlow	5.6	Tencent	$1.745	214.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 5.4 Tasa de aciertos por intento 19.7% Pruebas inestables 3 Tokens de entrada 45,154 Tokens de salida 4,022 Tokens de razonamiento 678,516 Tiempo de respuesta (promedio) 214.25s Tiempo de respuesta (total) 4713.56s Tiempo de respuesta (máximo) 597.45s Error de API: 14 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.0 Programación : 5.2 Combinado : 2.9 Análisis y extracción de datos : 8.7 Específico del dominio : 4.5 Inteligencia general : 7.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#241#241	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 16.7% Pruebas inestables 1 Tokens de entrada 116,155 Tokens de salida 19,679 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.53s Tiempo de respuesta (total) 77.68s Tiempo de respuesta (máximo) 24.48s Respuesta incorrecta: 15 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.1 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#255#255	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 22.7% Pruebas inestables 5 Tokens de entrada 118,752 Tokens de salida 67,823 Tokens de razonamiento 383,885 Tiempo de respuesta (promedio) 85.34s Tiempo de respuesta (total) 1877.49s Tiempo de respuesta (máximo) 814.73s Respuesta incorrecta: 15 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 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
#262#262	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
#277#277	Qwen3 Coder Nextmedium	4.6	Qwen	$0.034 ↑	9.07s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 25.8% Pruebas inestables 4 Tokens de entrada 148,203 Tokens de salida 19,069 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.07s Tiempo de respuesta (total) 154.19s Tiempo de respuesta (máximo) 81.80s Respuesta incorrecta: 14 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 3.5 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.6 Inteligencia general : 6.3 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#285#285	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
#293#293	Nemotron 3.5 Lightningnone	4.0	NVIDIA	$0.007 ↕	1.21s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 16.7% Pruebas inestables 2 Tokens de entrada 74,074 Tokens de salida 2,731 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.21s Tiempo de respuesta (total) 26.62s Tiempo de respuesta (máximo) 6.30s Respuesta incorrecta: 16 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 4.8 Programación : 3.1 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 2.8 Cultura general : 3.0
#298#298	Qwen3.5-9Bmedium	3.8	Qwen	$0.062 ↑	107.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 6.0 Tasa de aciertos por intento 25.8% Pruebas inestables 5 Tokens de entrada 17,195 Tokens de salida 46,735 Tokens de razonamiento 366,707 Tiempo de respuesta (promedio) 107.51s Tiempo de respuesta (total) 1720.15s 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 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

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 3.7 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