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)
#370#370	Owl Alphamedium	4.6	Openrouter	$0.000	11.95s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 36.2% Pruebas inestables 1 Tokens de entrada 43,478 Tokens de salida 2,974 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 11.95s Tiempo de respuesta (total) 250.88s Tiempo de respuesta (máximo) 58.63s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Error de API: 1 Tareas de agentes : 0.0 Trucos anti-IA : 4.8 Programación : 5.4 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#372#372	Owl Alphadefault	4.6	Openrouter	$0.000	9.88s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 1 Tokens de entrada 42,283 Tokens de salida 5,913 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.88s Tiempo de respuesta (total) 207.38s Tiempo de respuesta (máximo) 47.10s Respuesta incorrecta: 10 No siguió las instrucciones: 3 Formato extra: 1 Tareas de agentes : 0.0 Trucos anti-IA : 3.4 Programación : 5.6 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#381#381	Cobuddymedium	4.4	Baidu	$0.000	38.01s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 43.5% Pruebas inestables 6 Tokens de entrada 37,449 Tokens de salida 1,677 Tokens de razonamiento 116,703 Tiempo de respuesta (promedio) 38.01s Tiempo de respuesta (total) 798.15s Tiempo de respuesta (máximo) 309.02s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Error de API: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 8.7 Programación : 3.7 Combinado : 1.5 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 4.2 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#389#389	Qwen3.6 Plus Previewmedium	4.0	Qwen	$0.000	15.25s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 39.1% Pruebas inestables 0 Tokens de entrada 32,639 Tokens de salida 1,153 Tokens de razonamiento 62,197 Tiempo de respuesta (promedio) 15.25s Tiempo de respuesta (total) 182.96s Tiempo de respuesta (máximo) 43.55s Error de API: 8 Respuesta incorrecta: 2 Tareas de agentes : 0.0 Trucos anti-IA : 8.3 Programación : 1.0 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#392#392	Hunter Alphamedium	3.9	OpenRouter	$0.000	10.33s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 50.7% Pruebas inestables 6 Tokens de entrada 28,927 Tokens de salida 4,682 Tokens de razonamiento 17,969 Tiempo de respuesta (promedio) 10.33s Tiempo de respuesta (total) 175.58s Tiempo de respuesta (máximo) 30.53s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Tiempo agotado: 2 Error de API: 1 Formato extra: 1 Tareas de agentes : 0.0 Trucos anti-IA : 7.3 Programación : 1.0 Combinado : 2.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 7.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.1 Llamada de herramientas : 10.0 Cultura general : 0.0
#395#395	Ling 3.0 Tinydefault	3.8	Inclusionai	$0.000	13.39s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 21 Fiabilidad 9.8 Tasa de aciertos por intento 8.7% Pruebas inestables 0 Tokens de entrada 184,579 Tokens de salida 110,071 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 13.39s Tiempo de respuesta (total) 294.48s Tiempo de respuesta (máximo) 240.61s Respuesta incorrecta: 13 No siguió las instrucciones: 4 Error de API: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 4.8 Programación : 4.2 Combinado : 3.0 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 3.4 Seguimiento de instrucciones : 3.1 Resolución de acertijos : 3.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#398#398	Xing4.0 29b A4bmedium	3.7	Xingchen AGI	$0.000	371.69s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 22 Fiabilidad 7.3 Tasa de aciertos por intento 26.1% Pruebas inestables 11 Tokens de entrada 98,467 Tokens de salida 3,385 Tokens de razonamiento 104,595 Tiempo de respuesta (promedio) 371.69s Tiempo de respuesta (total) 8548.88s Tiempo de respuesta (máximo) 971.85s Respuesta incorrecta: 9 Tiempo agotado: 6 Error de API: 4 No siguió las instrucciones: 3 Tareas de agentes : 3.0 Trucos anti-IA : 3.8 Programación : 4.2 Combinado : 3.0 Análisis y extracción de datos : 2.9 Específico del dominio : 3.6 Inteligencia general : 3.2 Seguimiento de instrucciones : 4.3 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#399#399	Ling 3.0 Tinyhigh	3.7	Inclusionai	$0.000	72.24s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 23.2% Pruebas inestables 3 Tokens de entrada 115,314 Tokens de salida 133,965 Tokens de razonamiento 816,718 Tiempo de respuesta (promedio) 72.24s Tiempo de respuesta (total) 1589.23s Tiempo de respuesta (máximo) 345.15s Sin respuesta: 7 Respuesta incorrecta: 6 No siguió las instrucciones: 3 Error de API: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 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
#400#400	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
#401#401	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
#404#404	Elephant Alphadefault	3.6	Openrouter	$0.000	1.22s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad N/D Tasa de aciertos por intento 24.6% Pruebas inestables 1 Tokens de entrada 33,743 Tokens de salida 2,573 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.22s Tiempo de respuesta (total) 22.03s Tiempo de respuesta (máximo) 3.81s Respuesta incorrecta: 9 Error de API: 3 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 0.0 Trucos anti-IA : 6.6 Programación : 4.2 Combinado : 1.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#405#405	Elephant Alphamedium	3.5	Openrouter	$0.000	1.27s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad N/D Tasa de aciertos por intento 27.5% Pruebas inestables 1 Tokens de entrada 33,744 Tokens de salida 2,596 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.27s Tiempo de respuesta (total) 22.82s Tiempo de respuesta (máximo) 3.70s Respuesta incorrecta: 9 Error de API: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 0.0 Trucos anti-IA : 6.6 Programación : 3.7 Combinado : 1.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#406#406	Hunter Alphadefault	3.5	OpenRouter	$0.000	4.70s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 36.2% Pruebas inestables 4 Tokens de entrada 34,329 Tokens de salida 2,264 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.70s Tiempo de respuesta (total) 79.86s Tiempo de respuesta (máximo) 15.17s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Error de API: 1 Tareas de agentes : 0.0 Trucos anti-IA : 3.5 Programación : 1.0 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 5.8 Llamada de herramientas : 10.0 Cultura general : 0.0
#412#412	Xing4.0 29b A4bnone	3.3	Xingchen AGI	$0.000	42.72s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 23 Fiabilidad 8.8 Tasa de aciertos por intento 7.3% Pruebas inestables 4 Tokens de entrada 153,665 Tokens de salida 26,540 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 42.72s Tiempo de respuesta (total) 982.66s Tiempo de respuesta (máximo) 634.11s Respuesta incorrecta: 13 No siguió las instrucciones: 5 Error de API: 3 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 3.0 Trucos anti-IA : 3.3 Programación : 3.6 Combinado : 3.0 Análisis y extracción de datos : 2.9 Específico del dominio : 3.0 Inteligencia general : 3.4 Seguimiento de instrucciones : 4.0 Resolución de acertijos : 3.1 Llamada de herramientas : 4.7 Cultura general : 3.0
#417#417	Command A+none	3.0	Cohere	$0.000	77.87s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 23 Fiabilidad 0.0 Tasa de aciertos por intento 0.0% Pruebas inestables 0 Tokens de entrada 0 Tokens de salida 0 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 77.87s Tiempo de respuesta (total) 1791.03s Tiempo de respuesta (máximo) 106.37s Error de API: 23 Tareas de agentes : 3.0 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
#420#420	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	2.7	NVIDIA	$0.000	17.13s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 26.1% Pruebas inestables 5 Tokens de entrada 11,661 Tokens de salida 48,491 Tokens de razonamiento 180,695 Tiempo de respuesta (promedio) 17.13s Tiempo de respuesta (total) 222.66s Tiempo de respuesta (máximo) 147.45s Respuesta incorrecta: 7 Error de API: 6 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 0.0 Trucos anti-IA : 6.4 Programación : 1.1 Combinado : 1.5 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 3.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 2.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#422#422	Nemotron 3 Nano Omni 30b A3b Reasoningdefault	2.6	NVIDIA	$0.000	728ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 14.5% Pruebas inestables 2 Tokens de entrada 11,661 Tokens de salida 1,302 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 728ms Tiempo de respuesta (total) 9.47s Tiempo de respuesta (máximo) 2.21s Respuesta incorrecta: 9 Error de API: 6 No siguió las instrucciones: 2 Tareas de agentes : 0.0 Trucos anti-IA : 4.8 Programación : 3.3 Combinado : 1.5 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 3.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.0 Llamada de herramientas : 3.0 Cultura general : 3.0

←

1 17 18

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