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: 2026-10-19 Modelos evaluados: 451

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

451/451

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#304#304	Mistral Large 4none	5.7	Mistral	$0.290	20.43s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 9.7 Tasa de aciertos por intento 31.9% Pruebas inestables 2 Tokens de entrada 257,872 Tokens de salida 54,388 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.43s Tiempo de respuesta (total) 469.88s Tiempo de respuesta (máximo) 192.80s Respuesta incorrecta: 15 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 6.1 Trucos anti-IA : 3.6 Programación : 4.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.3 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#311#311	Step 5 Previewlow	5.6	Stepfun	$4.110	138.27s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 9.7 Tasa de aciertos por intento 58.0% Pruebas inestables 7 Tokens de entrada 261,256 Tokens de salida 1,425,268 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 138.27s Tiempo de respuesta (total) 3180.10s Tiempo de respuesta (máximo) 436.56s Sin respuesta: 7 Error de API: 2 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.4 Trucos anti-IA : 6.9 Programación : 2.7 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 3.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#314#314	Nemotron 3.5 Super VLnone	5.5	NVIDIA	$0.040	46.97s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 9.7 Tasa de aciertos por intento 43.5% Pruebas inestables 4 Tokens de entrada 251,253 Tokens de salida 3,892 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 46.97s Tiempo de respuesta (total) 1080.29s Tiempo de respuesta (máximo) 872.07s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 5.0 Trucos anti-IA : 6.5 Programación : 3.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 4.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#343#343	Mistral Small 4medium	5.1	Mistral	$0.126 ↑	12.68s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.7 Tasa de aciertos por intento 42.0% Pruebas inestables 8 Tokens de entrada 321,955 Tokens de salida 41,555 Tokens de razonamiento 94,946 Tiempo de respuesta (promedio) 12.68s Tiempo de respuesta (total) 291.66s Tiempo de respuesta (máximo) 59.15s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 5.6 Programación : 4.4 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#5#5	GPT-6 Astramax	9.9	OpenAI	$5.044	61.63s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 1 Fiabilidad 9.6 Tasa de aciertos por intento 95.7% Pruebas inestables 0 Tokens de entrada 181,223 Tokens de salida 5,707 Tokens de razonamiento 58,909 Tiempo de respuesta (promedio) 61.63s Tiempo de respuesta (total) 1417.51s Tiempo de respuesta (máximo) 960.01s Tiempo agotado: 1 Tareas de agentes : 10.0 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
#45#45	Muse Spark Openxhigh	9.0	Meta	$2.081	92.38s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 9.6 Tasa de aciertos por intento 81.2% Pruebas inestables 5 Tokens de entrada 271,242 Tokens de salida 11,803 Tokens de razonamiento 397,838 Tiempo de respuesta (promedio) 92.38s Tiempo de respuesta (total) 2124.67s Tiempo de respuesta (máximo) 482.30s Error de API: 2 Respuesta incorrecta: 2 Formato extra: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 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 : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#64#64	DeepSeek V4.1 Flashmedium	8.7	DeepSeek	$0.591 ↑	32.88s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 9.6 Tasa de aciertos por intento 73.9% Pruebas inestables 2 Tokens de entrada 280,643 Tokens de salida 7,342 Tokens de razonamiento 437,323 Tiempo de respuesta (promedio) 32.88s Tiempo de respuesta (total) 756.34s Tiempo de respuesta (máximo) 276.31s Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#83#83	Qwen3.8 2.4T A95Blow	8.4	Qwen	$4.016 ↑	120.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 9.6 Tasa de aciertos por intento 73.9% Pruebas inestables 2 Tokens de entrada 313,881 Tokens de salida 123,706 Tokens de razonamiento 388,328 Tiempo de respuesta (promedio) 120.40s Tiempo de respuesta (total) 2769.16s Tiempo de respuesta (máximo) 534.21s Respuesta incorrecta: 5 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 10.0 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
#97#97	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 71.0% Pruebas inestables 3 Tokens de entrada 369,495 Tokens de salida 172,852 Tokens de razonamiento 476,002 Tiempo de respuesta (promedio) 88.74s Tiempo de respuesta (total) 2041.10s Tiempo de respuesta (máximo) 567.88s Sin respuesta: 4 Respuesta incorrecta: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.6 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 2.8 Cultura general : 3.0
#102#102	GLM 5.2medium	8.2	Z.ai	$1.007 ↑	26.88s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.6 Tasa de aciertos por intento 81.2% Pruebas inestables 4 Tokens de entrada 227,164 Tokens de salida 20,029 Tokens de razonamiento 60,991 Tiempo de respuesta (promedio) 26.88s Tiempo de respuesta (total) 591.34s Tiempo de respuesta (máximo) 102.40s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 1 Tareas de agentes : 10.0 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
#109#109	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.494 ↑	28.04s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 73.9% Pruebas inestables 4 Tokens de entrada 266,849 Tokens de salida 8,284 Tokens de razonamiento 363,263 Tiempo de respuesta (promedio) 28.04s Tiempo de respuesta (total) 645.03s Tiempo de respuesta (máximo) 149.84s Respuesta incorrecta: 7 Error de API: 1 Tareas de agentes : 6.1 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#122#122	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 75.4% Pruebas inestables 4 Tokens de entrada 295,642 Tokens de salida 115,041 Tokens de razonamiento 353,398 Tiempo de respuesta (promedio) 120.88s Tiempo de respuesta (total) 2780.16s Tiempo de respuesta (máximo) 532.28s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 10.0 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
#212#212	Grok 4.7high	6.7	X AI	$3.037	122.19s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 10 Fiabilidad 9.6 Tasa de aciertos por intento 72.5% Pruebas inestables 7 Tokens de entrada 329,276 Tokens de salida 8,172 Tokens de razonamiento 479,012 Tiempo de respuesta (promedio) 122.19s Tiempo de respuesta (total) 2810.40s Tiempo de respuesta (máximo) 573.57s Sin respuesta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Respuesta incorrecta: 2 Error de API: 1 Tareas de agentes : 3.0 Trucos anti-IA : 8.7 Programación : 6.0 Combinado : 8.6 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#244#244	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 9.6 Tasa de aciertos por intento 60.9% Pruebas inestables 8 Tokens de entrada 292,271 Tokens de salida 55,025 Tokens de razonamiento 186,071 Tiempo de respuesta (promedio) 125.76s Tiempo de respuesta (total) 2137.84s Tiempo de respuesta (máximo) 566.79s Respuesta incorrecta: 5 Tiempo agotado: 3 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.9 Trucos anti-IA : 7.3 Programación : 6.1 Combinado : 6.7 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#279#279	Step 5 Previewmedium	6.1	Stepfun	$4.136	136.10s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 9.6 Tasa de aciertos por intento 53.6% Pruebas inestables 5 Tokens de entrada 261,842 Tokens de salida 1,434,621 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 136.10s Tiempo de respuesta (total) 3130.27s Tiempo de respuesta (máximo) 438.09s Sin respuesta: 6 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Error de API: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 6.1 Trucos anti-IA : 6.4 Programación : 2.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#339#339	Nemotron 3.5 Lightninghigh	5.2	NVIDIA	$0.168 ↕	77.08s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.6 Tasa de aciertos por intento 47.8% Pruebas inestables 12 Tokens de entrada 170,517 Tokens de salida 149,968 Tokens de razonamiento 509,725 Tiempo de respuesta (promedio) 77.08s Tiempo de respuesta (total) 1772.78s Tiempo de respuesta (máximo) 490.99s Respuesta incorrecta: 11 No siguió las instrucciones: 4 Formato extra: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 3.5 Trucos anti-IA : 5.5 Programación : 4.4 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#341#341	Mimo V2 PROmedium	5.2	Xiaomi	$0.333 ↑	22.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 66.7% 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 Tareas de agentes : 0.0 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
#346#346	KAT Coder AIR V2.5medium	5.1	Kwaipilot	$0.048	8.32s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 9.6 Tasa de aciertos por intento 43.5% Pruebas inestables 3 Tokens de entrada 51,369 Tokens de salida 8,008 Tokens de razonamiento 58,568 Tiempo de respuesta (promedio) 8.32s Tiempo de respuesta (total) 191.40s Tiempo de respuesta (máximo) 48.19s Respuesta incorrecta: 10 Error de API: 2 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Tareas de agentes : 3.0 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
#382#382	Ling 2.6 Flashdefault	4.5	Inclusionai	$0.002 ↑	10.21s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 17 Fiabilidad 9.6 Tasa de aciertos por intento 29.0% Pruebas inestables 2 Tokens de entrada 114,384 Tokens de salida 14,903 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.21s Tiempo de respuesta (total) 214.31s Tiempo de respuesta (máximo) 36.03s Respuesta incorrecta: 9 Error de API: 3 Llamada de herramienta no válida: 3 No siguió las instrucciones: 2 Tareas de agentes : 3.0 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
#409#409	Ling 3.0 Tinylow	3.7	Inclusionai	$0.000	63.15s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 9.6 Tasa de aciertos por intento 18.8% Pruebas inestables 1 Tokens de entrada 99,662 Tokens de salida 146,555 Tokens de razonamiento 732,977 Tiempo de respuesta (promedio) 63.15s Tiempo de respuesta (total) 1389.35s Tiempo de respuesta (máximo) 252.08s Sin respuesta: 7 Respuesta incorrecta: 5 No siguió las instrucciones: 4 Error de API: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 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
#410#410	Ling 3.0 Tinymedium	3.6	Inclusionai	$0.000	64.99s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 9.6 Tasa de aciertos por intento 23.2% Pruebas inestables 3 Tokens de entrada 103,898 Tokens de salida 148,304 Tokens de razonamiento 774,972 Tiempo de respuesta (promedio) 64.99s Tiempo de respuesta (total) 1429.68s Tiempo de respuesta (máximo) 262.20s Sin respuesta: 7 Respuesta incorrecta: 5 No siguió las instrucciones: 4 Error de API: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 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
#68#68	MiMo-V2.6-Promedium	8.7	Xiaomi	$0.586	148.11s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 9.5 Tasa de aciertos por intento 78.3% Pruebas inestables 7 Tokens de entrada 298,476 Tokens de salida 7,762 Tokens de razonamiento 515,918 Tiempo de respuesta (promedio) 148.11s Tiempo de respuesta (total) 3406.53s Tiempo de respuesta (máximo) 904.91s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 7.3 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 8.4 Llamada de herramientas : 10.0 Cultura general : 2.8
#189#189	Step 5 Previewhigh	7.0	Stepfun	$4.513	154.41s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 9.5 Tasa de aciertos por intento 52.2% Pruebas inestables 4 Tokens de entrada 243,381 Tokens de salida 1,581,325 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 154.41s Tiempo de respuesta (total) 3551.40s Tiempo de respuesta (máximo) 455.72s Sin respuesta: 7 Respuesta incorrecta: 3 Error de API: 2 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 6.5 Programación : 2.9 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.4 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 5.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#315#315	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
#378#378	Nemotron 3.5 Lightninglow	4.6	NVIDIA	$0.175 ↕	83.19s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 9.5 Tasa de aciertos por intento 40.6% Pruebas inestables 9 Tokens de entrada 207,883 Tokens de salida 144,718 Tokens de razonamiento 525,897 Tiempo de respuesta (promedio) 83.19s Tiempo de respuesta (total) 1913.41s Tiempo de respuesta (máximo) 597.61s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 3.5 Trucos anti-IA : 6.9 Programación : 4.0 Combinado : 6.3 Análisis y extracción de datos : 2.9 Específico del dominio : 3.6 Inteligencia general : 3.7 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 3.6 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