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: 2026-07-20 Modelos evaluados: 210

210/210

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#54#54	GPT-5.3 Chatnone	7.5	OpenAI	$0.571	6.88s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 5 Tokens de entrada 78,990 Tokens de salida 30,854 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.88s Tiempo de respuesta (total) 151.31s 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
#112#112	Claude Sonnet 5none	6.3	Anthropic	$0.548	6.04s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 4 Tokens de entrada 161,035 Tokens de salida 22,511 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.04s Tiempo de respuesta (total) 132.85s Tiempo de respuesta (máximo) 33.39s Respuesta incorrecta: 7 Formato extra: 4 Sin respuesta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 5.3 Programación : 4.6 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#202#202	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 4 Tokens de entrada 11,793 Tokens de salida 267,275 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 28.69s Tiempo de respuesta (total) 459.00s Tiempo de respuesta (máximo) 138.35s Respuesta incorrecta: 7 Error de API: 3 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 3.3 Combinado : 1.5 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#87#87	GPT-5.5none	6.9	OpenAI	$0.544	2.36s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 56.1% Pruebas inestables 3 Tokens de entrada 79,285 Tokens de salida 4,915 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.36s Tiempo de respuesta (total) 51.88s Tiempo de respuesta (máximo) 12.24s Respuesta incorrecta: 11 Trucos anti-IA : 6.9 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#74#74	GLM 5.1medium	7.1	Z.ai	$0.535 ↓	46.77s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 8.3 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 82,623 Tokens de salida 16,089 Tokens de razonamiento 136,463 Tiempo de respuesta (promedio) 46.77s Tiempo de respuesta (total) 982.16s Tiempo de respuesta (máximo) 308.75s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.6 Combinado : 9.8 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
#83#83	GPT-5.6 Solnone	6.9	OpenAI	$0.524	2.16s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 3 Tokens de entrada 78,593 Tokens de salida 4,357 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.16s Tiempo de respuesta (total) 47.62s Tiempo de respuesta (máximo) 12.81s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 6.5 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#55#55	GPT-5.6 Terralow	7.5	OpenAI	$0.519	5.31s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 6 Tokens de entrada 80,295 Tokens de salida 4,714 Tokens de razonamiento 16,469 Tiempo de respuesta (promedio) 5.31s Tiempo de respuesta (total) 116.82s Tiempo de respuesta (máximo) 19.85s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 6.6 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 4.7 Cultura general : 3.0
#29#29	Step 3.7 Flashmedium	8.0	Stepfun	$0.515	26.37s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.9 Tasa de aciertos por intento 72.7% Pruebas inestables 3 Tokens de entrada 114,062 Tokens de salida 427,572 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 26.37s Tiempo de respuesta (total) 580.25s Tiempo de respuesta (máximo) 152.83s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#94#94	Claude Opus 4.7none	6.6	Anthropic	$0.505	3.02s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 0 Tokens de entrada 69,576 Tokens de salida 6,265 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.02s Tiempo de respuesta (total) 57.44s Tiempo de respuesta (máximo) 18.27s Respuesta incorrecta: 3 Trucos anti-IA : 8.3 Programación : 3.3 Combinado : 4.8 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
#69#69	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.482	20.83s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 6 Tokens de entrada 106,076 Tokens de salida 9,071 Tokens de razonamiento 127,093 Tiempo de respuesta (promedio) 20.83s Tiempo de respuesta (total) 458.31s Tiempo de respuesta (máximo) 199.97s Respuesta incorrecta: 10 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.0 Programación : 6.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#60#60	LongCat 2.0medium	7.4	Meituan	$0.478	136.64s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.8 Tasa de aciertos por intento 60.6% Pruebas inestables 3 Tokens de entrada 97,315 Tokens de salida 44,384 Tokens de razonamiento 329,012 Tiempo de respuesta (promedio) 136.64s Tiempo de respuesta (total) 3006.01s Tiempo de respuesta (máximo) 939.52s Respuesta incorrecta: 7 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 7.3 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#92#92	KAT-Coder-Pro V2.5none	6.7	Kwaipilot	$0.476	25.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 7 Tokens de entrada 98,499 Tokens de salida 135,861 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 25.56s Tiempo de respuesta (total) 562.43s Tiempo de respuesta (máximo) 335.41s Respuesta incorrecta: 10 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.7 Programación : 6.1 Combinado : 4.1 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#97#97	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 9.4 Tasa de aciertos por intento 53.0% Pruebas inestables 5 Tokens de entrada 93,357 Tokens de salida 30,466 Tokens de razonamiento 336,325 Tiempo de respuesta (promedio) 148.73s Tiempo de respuesta (total) 3272.00s Tiempo de respuesta (máximo) 941.66s Respuesta incorrecta: 6 Tiempo agotado: 3 No siguió las instrucciones: 2 Sin respuesta: 2 Trucos anti-IA : 8.9 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 5.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#81#81	KAT-Coder-Pro V2.5medium	6.9	Kwaipilot	$0.467	24.04s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 7 Tokens de entrada 87,907 Tokens de salida 7,213 Tokens de razonamiento 128,251 Tiempo de respuesta (promedio) 24.04s Tiempo de respuesta (total) 528.92s Tiempo de respuesta (máximo) 257.00s Respuesta incorrecta: 9 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 8.2 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#93#93	GLM 5V Turbomedium	6.7	Z.ai	$0.457	23.08s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% 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 : 3.4 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
#67#67	Step 3.7 Flashlow	7.3	Stepfun	$0.454	20.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 5 Tokens de entrada 103,833 Tokens de salida 376,581 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.68s Tiempo de respuesta (total) 455.01s Tiempo de respuesta (máximo) 124.75s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 7.3 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
#57#57	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.437 ↓	89.19s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 113,560 Tokens de salida 9,823 Tokens de razonamiento 250,881 Tiempo de respuesta (promedio) 89.19s Tiempo de respuesta (total) 1337.92s Tiempo de respuesta (máximo) 304.85s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.6 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#11#11	Gemini 3.5 Flashlow	8.9	Google	$0.433	5.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 87.9% Pruebas inestables 1 Tokens de entrada 87,817 Tokens de salida 2,239 Tokens de razonamiento 31,182 Tiempo de respuesta (promedio) 5.55s Tiempo de respuesta (total) 122.19s Tiempo de respuesta (máximo) 53.55s Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#37#37	Qwen3.6 Plusmedium	7.8	Qwen	$0.405 ↑	43.12s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 2 Tokens de entrada 97,689 Tokens de salida 6,412 Tokens de razonamiento 184,825 Tiempo de respuesta (promedio) 43.12s Tiempo de respuesta (total) 905.53s Tiempo de respuesta (máximo) 291.55s Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.1 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
#139#139	GPT-5.4none	5.8	OpenAI	$0.397	2.07s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 2 Tokens de entrada 108,632 Tokens de salida 8,321 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.07s Tiempo de respuesta (total) 45.51s Tiempo de respuesta (máximo) 15.63s Respuesta incorrecta: 14 No siguió las instrucciones: 1 Trucos anti-IA : 3.2 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#91#91	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 9.6 Tasa de aciertos por intento 53.0% Pruebas inestables 3 Tokens de entrada 90,909 Tokens de salida 5,679 Tokens de razonamiento 297,369 Tiempo de respuesta (promedio) 100.31s Tiempo de respuesta (total) 2206.82s Tiempo de respuesta (máximo) 560.39s Respuesta incorrecta: 8 Error de API: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 3.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#32#32	Inklingmedium	8.0	Thinkingmachines	$0.391	16.21s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.8 Tasa de aciertos por intento 78.8% Pruebas inestables 5 Tokens de entrada 124,053 Tokens de salida 12,189 Tokens de razonamiento 53,597 Tiempo de respuesta (promedio) 16.21s Tiempo de respuesta (total) 356.54s Tiempo de respuesta (máximo) 85.12s Respuesta incorrecta: 4 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 2.8
#62#62	KAT-Coder-Pro V2.5low	7.4	Kwaipilot	$0.387	19.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 8 Tokens de entrada 87,673 Tokens de salida 7,166 Tokens de razonamiento 101,474 Tiempo de respuesta (promedio) 19.47s Tiempo de respuesta (total) 428.31s Tiempo de respuesta (máximo) 209.15s Respuesta incorrecta: 10 Error de API: 1 Trucos anti-IA : 6.9 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#133#133	Gemini 3 PRO Previewmedium	6.0	Google	$0.385 ↑	9.05s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad N/D Tasa de aciertos por intento 63.6% Pruebas inestables 0 Tokens de entrada 28,848 Tokens de salida 1,490 Tokens de razonamiento 10,102 Tiempo de respuesta (promedio) 9.05s Tiempo de respuesta (total) 90.53s Tiempo de respuesta (máximo) 26.24s Error de API: 4 Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#50#50	GPT-5.6 Lunamedium	7.6	OpenAI	$0.352	7.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 1 Tokens de entrada 89,676 Tokens de salida 5,699 Tokens de razonamiento 37,980 Tiempo de respuesta (promedio) 7.28s Tiempo de respuesta (total) 160.27s Tiempo de respuesta (máximo) 29.85s Respuesta incorrecta: 8 Trucos anti-IA : 8.3 Programación : 5.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#132#132	GPT-5.6 Terranone	6.0	OpenAI	$0.349	1.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 42.4% Pruebas inestables 3 Tokens de entrada 102,259 Tokens de salida 6,203 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.65s Tiempo de respuesta (total) 36.28s Tiempo de respuesta (máximo) 10.07s Respuesta incorrecta: 11 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 5.3 Llamada de herramientas : 9.6 Cultura general : 3.0
#190#190	MiniMax M2.5medium	4.6	Minimax	$0.340 ↓	68.27s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 10 Tokens de entrada 142,561 Tokens de salida 125,442 Tokens de razonamiento 339,935 Tiempo de respuesta (promedio) 68.27s Tiempo de respuesta (total) 955.75s Tiempo de respuesta (máximo) 251.36s Respuesta incorrecta: 7 Tiempo agotado: 4 No siguió las instrucciones: 3 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 3.4 Combinado : 3.7 Análisis y extracción de datos : 4.6 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 7.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#109#109	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 69.7% 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 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
#49#49	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 35,593 Tokens de salida 12,245 Tokens de razonamiento 62,277 Tiempo de respuesta (promedio) 23.00s Tiempo de respuesta (total) 482.97s 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 : 8.2 Combinado : 5.0 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
#70#70	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 63.6% 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 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.5 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

←

1 2 3 4 5 6 7

→

Comparación rápida

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida