AI BENCHY

Leaderboard de Benchmark de IA

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: 2026-06-04 Modelos evaluados: 163

163/163

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#34#34	Qwen3.7 Maxnone	7.7	Qwen	$0.054 ↓	1.30s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 0 Tokens de entrada 37,107 Tokens de salida 1,994 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.30s Tiempo de respuesta (total) 27.21s Tiempo de respuesta (máximo) 3.92s Respuesta incorrecta: 7 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 3.0 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 : 3.0
#36#36	Qwen3.5 Plus 2026-04-20medium	7.6	Qwen	$0.317 ↓	46.36s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de entrada 42,097 Tokens de salida 2,280 Tokens de razonamiento 166,613 Tiempo de respuesta (promedio) 46.36s Tiempo de respuesta (total) 973.57s Tiempo de respuesta (máximo) 189.38s Respuesta incorrecta: 8 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.9 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#37#37	Gemma 4 26B A4Bmedium	7.6	Google	$0.045 ↓	63.41s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 69.8% Pruebas inestables 2 Tokens de entrada 40,252 Tokens de salida 28,000 Tokens de razonamiento 100,490 Tiempo de respuesta (promedio) 63.41s Tiempo de respuesta (total) 1268.28s Tiempo de respuesta (máximo) 369.32s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 2 Trucos anti-IA : 10.0 Programación : 2.9 Combinado : 9.6 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#38#38	Grok 4.3medium	7.6	X AI	$0.614	47.51s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.4% Pruebas inestables 4 Tokens de entrada 44,472 Tokens de salida 1,981 Tokens de razonamiento 221,382 Tiempo de respuesta (promedio) 47.51s Tiempo de respuesta (total) 997.68s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Formato extra: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#39#39	Qwen3.6 Flashmedium	7.5	Qwen	$0.288 ↓	19.25s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.4% Pruebas inestables 5 Tokens de entrada 42,362 Tokens de salida 2,995 Tokens de razonamiento 245,358 Tiempo de respuesta (promedio) 19.25s Tiempo de respuesta (total) 404.20s Tiempo de respuesta (máximo) 122.87s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 5.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#40#40	Gemini 3.1 Flash Lite Previewmedium	7.5	Google	$0.068	3.96s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 61.9% Pruebas inestables 0 Tokens de entrada 37,786 Tokens de salida 2,210 Tokens de razonamiento 36,744 Tiempo de respuesta (promedio) 3.96s Tiempo de respuesta (total) 83.06s Tiempo de respuesta (máximo) 14.93s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#42#42	GPT-5.2medium	7.5	OpenAI	$0.548	16.88s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.4% Pruebas inestables 4 Tokens de entrada 33,967 Tokens de salida 2,901 Tokens de razonamiento 31,932 Tiempo de respuesta (promedio) 16.88s Tiempo de respuesta (total) 236.34s Tiempo de respuesta (máximo) 77.80s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#43#43	MiMo-V2.5-Promedium	7.5	Xiaomi	$0.106 ↓	26.13s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 4 Tokens de entrada 40,854 Tokens de salida 5,015 Tokens de razonamiento 97,742 Tiempo de respuesta (promedio) 26.13s Tiempo de respuesta (total) 548.65s Tiempo de respuesta (máximo) 130.77s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#44#44	Gemini 3.1 Flash Litemedium	7.5	Google	$0.071	3.23s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 2 Tokens de entrada 36,808 Tokens de salida 2,254 Tokens de razonamiento 38,300 Tiempo de respuesta (promedio) 3.23s Tiempo de respuesta (total) 67.80s Tiempo de respuesta (máximo) 10.87s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#45#45	GPT-5.4 Minimedium	7.5	OpenAI	$0.526	22.34s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 73.0% Pruebas inestables 5 Tokens de entrada 34,116 Tokens de salida 2,181 Tokens de razonamiento 108,937 Tiempo de respuesta (promedio) 22.34s Tiempo de respuesta (total) 469.20s Tiempo de respuesta (máximo) 138.75s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Trucos anti-IA : 8.6 Programación : 8.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 4.7 Cultura general : 3.0
#46#46	Qwen3.6 35B A3Bmedium	7.4	Qwen	$0.146 ↑	18.08s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 63.5% Pruebas inestables 1 Tokens de entrada 16,385 Tokens de salida 19,632 Tokens de razonamiento 130,219 Tiempo de respuesta (promedio) 18.08s Tiempo de respuesta (total) 343.61s Tiempo de respuesta (máximo) 86.11s Respuesta incorrecta: 4 Error de API: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 7.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#47#47	Grok Build 0.1medium	7.4	X AI	$0.927	49.90s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 61.9% Pruebas inestables 0 Tokens de entrada 44,418 Tokens de salida 2,782 Tokens de razonamiento 438,018 Tiempo de respuesta (promedio) 49.90s Tiempo de respuesta (total) 1047.92s Tiempo de respuesta (máximo) 252.69s Respuesta incorrecta: 5 Formato extra: 3 Trucos anti-IA : 8.3 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#48#48	Gemini 3 Flash Previewnone	7.4	Google	$0.025	1.65s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de entrada 37,011 Tokens de salida 1,885 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.65s Tiempo de respuesta (total) 23.07s Tiempo de respuesta (máximo) 3.56s Respuesta incorrecta: 8 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 4.7 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#49#49	Qwen3.5-Flashmedium	7.4	Qwen	$0.080 ↓	63.29s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.4% Pruebas inestables 5 Tokens de entrada 38,926 Tokens de salida 2,088 Tokens de razonamiento 294,598 Tiempo de respuesta (promedio) 63.29s Tiempo de respuesta (total) 1265.85s Tiempo de respuesta (máximo) 234.29s Respuesta incorrecta: 4 Tiempo agotado: 3 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 3.7 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#50#50	Gemini 3.1 Flash Lite Previewlow	7.4	Google	$0.026	2.77s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 61.9% Pruebas inestables 0 Tokens de entrada 32,715 Tokens de salida 2,286 Tokens de razonamiento 9,166 Tiempo de respuesta (promedio) 2.77s Tiempo de respuesta (total) 58.12s Tiempo de respuesta (máximo) 11.91s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 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
#52#52	Claude Sonnet 4.6medium	7.4	Anthropic	$1.418	17.06s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 2 Tokens de entrada 49,112 Tokens de salida 54,703 Tokens de razonamiento 29,970 Tiempo de respuesta (promedio) 17.06s Tiempo de respuesta (total) 221.83s Tiempo de respuesta (máximo) 46.35s Respuesta incorrecta: 4 Formato extra: 3 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#53#53	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.5% Pruebas inestables 4 Tokens de entrada 29,134 Tokens de salida 1,984 Tokens de razonamiento 1,355,583 Tiempo de respuesta (promedio) 61.96s Tiempo de respuesta (total) 1115.31s Tiempo de respuesta (máximo) 149.23s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0
#54#54	GPT-5 Minimedium	7.3	OpenAI	$0.159	23.64s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.5% Pruebas inestables 2 Tokens de entrada 37,100 Tokens de salida 6,801 Tokens de razonamiento 67,690 Tiempo de respuesta (promedio) 23.64s Tiempo de respuesta (total) 496.44s Tiempo de respuesta (máximo) 88.15s Respuesta incorrecta: 5 No siguió las instrucciones: 3 Tiempo agotado: 1 Trucos anti-IA : 7.1 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#56#56	MiMo-V2.5medium	7.3	Xiaomi	$0.063 ↓	27.11s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 69.8% Pruebas inestables 5 Tokens de entrada 41,838 Tokens de salida 2,827 Tokens de razonamiento 198,898 Tiempo de respuesta (promedio) 27.11s Tiempo de respuesta (total) 569.38s Tiempo de respuesta (máximo) 162.44s Respuesta incorrecta: 5 Formato extra: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 10.0 Análisis y extracción de datos : 2.7 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#57#57	Step 3.7 Flashlow	7.3	Stepfun	$0.341	15.74s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 4 Tokens de entrada 40,101 Tokens de salida 289,325 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 15.74s Tiempo de respuesta (total) 330.63s Tiempo de respuesta (máximo) 124.75s Respuesta incorrecta: 8 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 3.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#58#58	Gemini 3.1 Flash Lite Previewnone	7.2	Google	$0.018	1.21s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 60.3% Pruebas inestables 1 Tokens de entrada 37,582 Tokens de salida 5,547 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.21s Tiempo de respuesta (total) 25.45s Tiempo de respuesta (máximo) 3.39s Respuesta incorrecta: 7 No siguió las instrucciones: 2 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
#59#59	GLM 5V Turbomedium	7.2	Z.ai	$0.457	23.08s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 6 Tokens de entrada 44,615 Tokens de salida 2,347 Tokens de razonamiento 98,415 Tiempo de respuesta (promedio) 23.08s Tiempo de respuesta (total) 484.63s Tiempo de respuesta (máximo) 95.88s Respuesta incorrecta: 7 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 7.2 Programación : 6.0 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 7.0 Cultura general : 3.0
#60#60	Kimi K2.6medium	7.2	Moonshot AI	$0.891 ↓	71.67s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 3 Tokens de entrada 29,450 Tokens de salida 102,923 Tokens de razonamiento 254,094 Tiempo de respuesta (promedio) 71.67s Tiempo de respuesta (total) 1433.36s Tiempo de respuesta (máximo) 406.78s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 7.0 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#61#61	Gemini 3.1 Flash Litelow	7.2	Google	$0.028	1.89s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 61.9% Pruebas inestables 2 Tokens de entrada 36,892 Tokens de salida 2,732 Tokens de razonamiento 9,260 Tiempo de respuesta (promedio) 1.89s Tiempo de respuesta (total) 39.62s Tiempo de respuesta (máximo) 5.66s Respuesta incorrecta: 9 Trucos anti-IA : 7.3 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
#62#62	Step 3.5 Flashmedium	7.2	Stepfun	$0.070 ↑	72.53s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 56.7% Pruebas inestables 1 Tokens de entrada 34,431 Tokens de salida 91,587 Tokens de razonamiento 195,973 Tiempo de respuesta (promedio) 72.53s Tiempo de respuesta (total) 1015.47s Tiempo de respuesta (máximo) 453.94s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 3.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#63#63	GPT-5.3 Chatnone	7.2	OpenAI	$0.433	6.34s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 34,209 Tokens de salida 26,617 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.34s Tiempo de respuesta (total) 133.13s Tiempo de respuesta (máximo) 18.33s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Trucos anti-IA : 6.7 Programación : 5.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#64#64	MiMo-V2-Flashmedium	7.2	Xiaomi	$0.043 ↑	20.11s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 3 Tokens de entrada 40,111 Tokens de salida 12,476 Tokens de razonamiento 125,039 Tiempo de respuesta (promedio) 20.11s Tiempo de respuesta (total) 301.59s Tiempo de respuesta (máximo) 96.01s Respuesta incorrecta: 5 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 8.1 Programación : 6.0 Combinado : 9.8 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#65#65	Grok 4.20medium	7.1	X AI	$0.609 ↓	27.68s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.5% Pruebas inestables 3 Tokens de entrada 44,433 Tokens de salida 1,819 Tokens de razonamiento 219,524 Tiempo de respuesta (promedio) 27.68s Tiempo de respuesta (total) 581.26s Tiempo de respuesta (máximo) 199.66s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Formato extra: 1 Trucos anti-IA : 8.2 Programación : 6.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 3.9 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#66#66	Qwen3.5-35B-A3Bmedium	7.1	Qwen	$0.401 ↓	72.57s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.8% Pruebas inestables 6 Tokens de entrada 42,196 Tokens de salida 40,630 Tokens de razonamiento 353,577 Tiempo de respuesta (promedio) 72.57s Tiempo de respuesta (total) 1524.04s Tiempo de respuesta (máximo) 409.98s Tiempo agotado: 5 Sin respuesta: 2 Respuesta incorrecta: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 4.7 Análisis y extracción de datos : 7.3 Específico del dominio : 4.1 Inteligencia general : 2.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#68#68	Claude Opus 4.8none	7.0	Anthropic	$0.539	3.47s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 61.9% Pruebas inestables 2 Tokens de entrada 67,104 Tokens de salida 8,107 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.47s Tiempo de respuesta (total) 72.90s Tiempo de respuesta (máximo) 17.73s Respuesta incorrecta: 4 Formato extra: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 9.5 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0

←

1 2 3 4 5 6

→

Comparación rápida

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida