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: 2026-06-03 Modelos evaluados: 161

161/161

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#29#29	GLM 5 Turbomedium	7.9	Z.ai	$0.285 ↑	22.65s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 4 Tokens de entrada 32,995 Tokens de salida 12,228 Tokens de razonamiento 53,503 Tiempo de respuesta (promedio) 22.65s Tiempo de respuesta (total) 453.09s Tiempo de respuesta (máximo) 194.23s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 7.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#30#30	GPT-5.2 Chatnone	7.9	OpenAI	$0.352	6.82s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 3 Tokens de entrada 31,593 Tokens de salida 21,144 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.82s Tiempo de respuesta (total) 136.34s Tiempo de respuesta (máximo) 38.52s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 8.2 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
#33#33	Grok 4.3medium	7.8	X AI	$0.593	49.23s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 75.0% Pruebas inestables 4 Tokens de entrada 41,532 Tokens de salida 1,485 Tokens de razonamiento 214,710 Tiempo de respuesta (promedio) 49.23s Tiempo de respuesta (total) 984.52s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Formato extra: 1 Trucos anti-IA : 10.0 Programación : 7.4 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
#34#34	Qwen3.6 Plusmedium	7.8	Qwen	$0.260 ↑	26.81s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 2 Tokens de entrada 38,730 Tokens de salida 1,833 Tokens de razonamiento 124,782 Tiempo de respuesta (promedio) 26.81s Tiempo de respuesta (total) 509.43s Tiempo de respuesta (máximo) 201.68s Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 4.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#35#35	Gemini 3.1 Flash Lite Previewmedium	7.7	Google	$0.063	3.94s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 0 Tokens de entrada 34,781 Tokens de salida 2,204 Tokens de razonamiento 33,657 Tiempo de respuesta (promedio) 3.94s Tiempo de respuesta (total) 78.74s Tiempo de respuesta (máximo) 14.93s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 6.8 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
#36#36	Gemini 3.1 Flash Litemedium	7.7	Google	$0.065	3.18s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 2 Tokens de entrada 33,803 Tokens de salida 2,248 Tokens de razonamiento 35,390 Tiempo de respuesta (promedio) 3.18s Tiempo de respuesta (total) 63.55s Tiempo de respuesta (máximo) 10.87s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 6.8 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
#37#37	Gemini 2.5 Flashmedium	7.7	Google	$0.358	15.57s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 1 Tokens de entrada 31,473 Tokens de salida 1,924 Tokens de razonamiento 137,255 Tiempo de respuesta (promedio) 15.57s Tiempo de respuesta (total) 311.47s Tiempo de respuesta (máximo) 95.48s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.4 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#38#38	Qwen3.5-122B-A10Bmedium	7.7	Qwen	$0.509 ↓	39.40s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.7% Pruebas inestables 3 Tokens de entrada 38,997 Tokens de salida 26,166 Tokens de razonamiento 213,524 Tiempo de respuesta (promedio) 39.40s Tiempo de respuesta (total) 788.00s Tiempo de respuesta (máximo) 168.16s Respuesta incorrecta: 5 Tiempo agotado: 2 Trucos anti-IA : 10.0 Programación : 4.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#39#39	Gemini 3 Flash Previewnone	7.7	Google	$0.023	1.70s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 70.0% Pruebas inestables 2 Tokens de entrada 34,008 Tokens de salida 1,879 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.70s Tiempo de respuesta (total) 22.05s Tiempo de respuesta (máximo) 3.56s Respuesta incorrecta: 7 Trucos anti-IA : 8.3 Programación : 6.8 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
#40#40	Grok Build 0.1medium	7.7	X AI	$0.729	42.39s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 0 Tokens de entrada 41,496 Tokens de salida 2,258 Tokens de razonamiento 341,381 Tiempo de respuesta (promedio) 42.39s Tiempo de respuesta (total) 847.76s Tiempo de respuesta (máximo) 252.69s Respuesta incorrecta: 4 Formato extra: 3 Trucos anti-IA : 8.3 Programación : 7.0 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
#44#44	Gemini 3.1 Flash Lite Previewlow	7.6	Google	$0.025	2.85s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 0 Tokens de entrada 29,708 Tokens de salida 2,280 Tokens de razonamiento 8,829 Tiempo de respuesta (promedio) 2.85s Tiempo de respuesta (total) 57.08s Tiempo de respuesta (máximo) 11.91s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 6.8 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
#47#47	Claude Sonnet 4.6medium	7.6	Anthropic	$1.330	15.81s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 45,947 Tokens de salida 49,891 Tokens de razonamiento 29,565 Tiempo de respuesta (promedio) 15.81s Tiempo de respuesta (total) 189.71s Tiempo de respuesta (máximo) 46.35s Formato extra: 3 Respuesta incorrecta: 3 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 7.2 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
#41#41	Qwen3.6 Flashmedium	7.6	Qwen	$0.272 ↓	18.97s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.7% Pruebas inestables 4 Tokens de entrada 39,527 Tokens de salida 2,974 Tokens de razonamiento 231,797 Tiempo de respuesta (promedio) 18.97s Tiempo de respuesta (total) 379.49s Tiempo de respuesta (máximo) 122.87s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 5.1 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
#42#42	DeepSeek V4 Flashhigh	7.6	DeepSeek	$0.027 ↓	46.36s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 4 Tokens de entrada 37,156 Tokens de salida 10,302 Tokens de razonamiento 115,740 Tiempo de respuesta (promedio) 46.36s Tiempo de respuesta (total) 927.27s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 6.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#43#43	MiMo-V2.5-Promedium	7.6	Xiaomi	$0.090 ↓	21.79s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 3 Tokens de entrada 39,096 Tokens de salida 5,004 Tokens de razonamiento 80,295 Tiempo de respuesta (promedio) 21.79s Tiempo de respuesta (total) 435.79s Tiempo de respuesta (máximo) 130.77s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Trucos anti-IA : 10.0 Programación : 7.0 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
#45#45	Qwen3.5-Flashmedium	7.6	Qwen	$0.074 ↓	63.04s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 75.0% Pruebas inestables 5 Tokens de entrada 37,036 Tokens de salida 2,074 Tokens de razonamiento 272,063 Tiempo de respuesta (promedio) 63.04s Tiempo de respuesta (total) 1197.71s Tiempo de respuesta (máximo) 234.29s Tiempo agotado: 3 Respuesta incorrecta: 3 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 4.1 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
#46#46	Mimo V2 PROmedium	7.6	Xiaomi	$0.333 ↑	22.16s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 76.7% 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 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 7.5 Combinado : 4.7 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
#48#48	Qwen3.5 Plus 2026-04-20medium	7.5	Qwen	$0.287 ↓	43.65s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 2 Tokens de entrada 39,262 Tokens de salida 2,259 Tokens de razonamiento 150,249 Tiempo de respuesta (promedio) 43.65s Tiempo de respuesta (total) 872.90s Tiempo de respuesta (máximo) 189.38s Respuesta incorrecta: 8 Trucos anti-IA : 10.0 Programación : 4.3 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
#49#49	Gemini 3.1 Flash Lite Previewnone	7.5	Google	$0.017	1.23s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 63.3% Pruebas inestables 1 Tokens de entrada 34,579 Tokens de salida 5,541 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.23s Tiempo de respuesta (total) 24.68s Tiempo de respuesta (máximo) 3.39s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 7.5 Programación : 6.8 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
#50#50	Kimi K2.6medium	7.4	Moonshot AI	$0.803 ↓	54.03s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 3 Tokens de entrada 28,584 Tokens de salida 102,208 Tokens de razonamiento 229,120 Tiempo de respuesta (promedio) 54.03s Tiempo de respuesta (total) 1026.57s Tiempo de respuesta (máximo) 215.85s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Tiempo agotado: 2 Sin respuesta: 1 Trucos anti-IA : 7.0 Programación : 6.8 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
#51#51	Gemini 3.1 Flash Litelow	7.4	Google	$0.026	1.92s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 2 Tokens de entrada 33,889 Tokens de salida 2,726 Tokens de razonamiento 8,951 Tiempo de respuesta (promedio) 1.92s Tiempo de respuesta (total) 38.45s Tiempo de respuesta (máximo) 5.66s Respuesta incorrecta: 8 Trucos anti-IA : 7.3 Programación : 6.8 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	GLM 5.1medium	7.4	Z.ai	$0.279 ↓	33.45s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 5.0 Tasa de aciertos por intento 68.3% Pruebas inestables 3 Tokens de entrada 30,397 Tokens de salida 11,511 Tokens de razonamiento 71,979 Tiempo de respuesta (promedio) 33.45s Tiempo de respuesta (total) 635.63s Tiempo de respuesta (máximo) 172.60s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.6 Combinado : 9.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 8.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#53#53	GPT-5.3 Chatnone	7.4	OpenAI	$0.402	6.13s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 4 Tokens de entrada 31,590 Tokens de salida 24,757 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.13s Tiempo de respuesta (total) 122.61s Tiempo de respuesta (máximo) 18.33s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 6.7 Programación : 6.9 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
#54#54	MiMo-V2.5medium	7.4	Xiaomi	$0.052 ↓	20.35s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 70.0% Pruebas inestables 4 Tokens de entrada 39,201 Tokens de salida 2,806 Tokens de razonamiento 161,888 Tiempo de respuesta (promedio) 20.35s Tiempo de respuesta (total) 406.94s Tiempo de respuesta (máximo) 97.49s Respuesta incorrecta: 4 Formato extra: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.9 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
#56#56	Step 3.7 Flashlow	7.4	Stepfun	$0.336	16.06s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 3 Tokens de entrada 37,458 Tokens de salida 285,209 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 16.06s Tiempo de respuesta (total) 321.11s Tiempo de respuesta (máximo) 124.75s Respuesta incorrecta: 7 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 10.0 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	Qwen3.6 35B A3Bmedium	7.3	Qwen	$0.130 ↑	17.26s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 61.7% Pruebas inestables 1 Tokens de entrada 13,550 Tokens de salida 18,304 Tokens de razonamiento 115,531 Tiempo de respuesta (promedio) 17.26s Tiempo de respuesta (total) 310.65s 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 : 6.6 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
#59#59	GPT-5.2medium	7.3	OpenAI	$0.492	16.50s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 70.0% Pruebas inestables 4 Tokens de entrada 31,348 Tokens de salida 2,880 Tokens de razonamiento 28,289 Tiempo de respuesta (promedio) 16.50s Tiempo de respuesta (total) 214.45s 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
#62#62	Claude Opus 4.8none	7.3	Anthropic	$0.519	3.51s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 2 Tokens de entrada 63,282 Tokens de salida 8,098 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.51s Tiempo de respuesta (total) 70.19s Tiempo de respuesta (máximo) 17.73s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.5 Programación : 6.8 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
#64#64	Claude Opus 4.6medium	7.2	Anthropic	$1.896	25.45s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 63.3% Pruebas inestables 2 Tokens de entrada 50,062 Tokens de salida 42,254 Tokens de razonamiento 23,554 Tiempo de respuesta (promedio) 25.45s Tiempo de respuesta (total) 330.91s Tiempo de respuesta (máximo) 83.40s Formato extra: 4 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 6.4 Programación : 7.2 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
#55#55	Step 3.5 Flashmedium	7.4	Stepfun	$0.062 ↑	43.20s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 59.7% Pruebas inestables 1 Tokens de entrada 33,555 Tokens de salida 90,478 Tokens de razonamiento 173,544 Tiempo de respuesta (promedio) 43.20s Tiempo de respuesta (total) 561.54s Tiempo de respuesta (máximo) 170.45s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 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

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida