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: 2026-07-24 Modelos evaluados: 222

222/222

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#71#71	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
#73#73	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
#75#75	Qwen3.7 Plusnone	7.2	Qwen	$0.106 ↓	12.09s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 0 Tokens de entrada 98,824 Tokens de salida 58,097 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.09s Tiempo de respuesta (total) 265.89s Tiempo de respuesta (máximo) 206.03s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.3 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#76#76	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.046 ↓	64.16s
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 124,771 Tokens de salida 44,077 Tokens de razonamiento 443,141 Tiempo de respuesta (promedio) 64.16s Tiempo de respuesta (total) 1411.60s Tiempo de respuesta (máximo) 519.30s Respuesta incorrecta: 5 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 6.4 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
#77#77	Grok 4.3medium	7.1	X AI	$0.779	47.45s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 4 Tokens de entrada 140,031 Tokens de salida 13,739 Tokens de razonamiento 227,682 Tiempo de respuesta (promedio) 47.45s Tiempo de respuesta (total) 1043.83s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.5 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
#79#79	Grok 4.20medium	7.1	X AI	$0.777 ↓	29.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 4 Tokens de entrada 102,791 Tokens de salida 5,363 Tokens de razonamiento 253,977 Tiempo de respuesta (promedio) 29.47s Tiempo de respuesta (total) 648.35s Tiempo de respuesta (máximo) 199.66s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.3 Combinado : 8.7 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
#80#80	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 7 Tokens de entrada 101,047 Tokens de salida 11,834 Tokens de razonamiento 117,014 Tiempo de respuesta (promedio) 68.62s Tiempo de respuesta (total) 1509.53s Tiempo de respuesta (máximo) 376.10s Respuesta incorrecta: 5 Error de API: 2 Tiempo agotado: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.0 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 : 7.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#81#81	Kimi K2.5medium	7.0	Moonshot AI	$0.600 ↑	99.00s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 8 Tokens de entrada 118,448 Tokens de salida 62,124 Tokens de razonamiento 165,243 Tiempo de respuesta (promedio) 99.00s Tiempo de respuesta (total) 1485.04s Tiempo de respuesta (máximo) 281.00s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 6.1 Combinado : 6.7 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#82#82	Mercury 2medium	7.0	Inception	$0.093	2.72s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 51.5% Pruebas inestables 3 Tokens de entrada 109,572 Tokens de salida 10,313 Tokens de razonamiento 76,806 Tiempo de respuesta (promedio) 2.72s Tiempo de respuesta (total) 57.12s Tiempo de respuesta (máximo) 14.63s Respuesta incorrecta: 8 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 8.2 Combinado : 6.7 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#83#83	Gemini 3.5 Flashnone	7.0	Google	$1.079	9.93s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 3 Tokens de entrada 13,843 Tokens de salida 117,518 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.93s Tiempo de respuesta (total) 178.68s Tiempo de respuesta (máximo) 64.36s Error de API: 4 Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 7.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 2.8
#85#85	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
#86#86	DeepSeek V4 Pronone	6.9	DeepSeek	$0.096	11.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 51.5% Pruebas inestables 4 Tokens de entrada 148,069 Tokens de salida 35,551 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 11.55s Tiempo de respuesta (total) 254.11s Tiempo de respuesta (máximo) 119.44s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.2 Programación : 5.6 Combinado : 7.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#87#87	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
#88#88	MiMo-V2.5-Promedium	6.9	Xiaomi	$0.187 ↓	33.92s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 139,883 Tokens de salida 15,521 Tokens de razonamiento 130,992 Tiempo de respuesta (promedio) 33.92s Tiempo de respuesta (total) 746.19s Tiempo de respuesta (máximo) 197.54s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.9 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
#89#89	Qwen3.6 Flashmedium	6.9	Qwen	$0.738 ↓	44.65s
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 129,041 Tokens de salida 20,026 Tokens de razonamiento 614,312 Tiempo de respuesta (promedio) 44.65s Tiempo de respuesta (total) 982.32s Tiempo de respuesta (máximo) 578.13s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.0 Combinado : 6.5 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
#90#90	Step 3.7 Flashhigh	6.9	Stepfun	$1.207	64.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 98,691 Tokens de salida 1,032,395 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 64.68s Tiempo de respuesta (total) 1423.01s Tiempo de respuesta (máximo) 364.99s Respuesta incorrecta: 6 Sin respuesta: 4 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 4.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#91#91	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
#92#92	Gemini 3.5 Flashminimal	6.8	Google	$0.300	2.65s
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 100,753 Tokens de salida 16,454 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.65s Tiempo de respuesta (total) 58.27s Tiempo de respuesta (máximo) 25.26s Respuesta incorrecta: 5 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 Programación : 5.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 10.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#93#93	Gemini 3 Flash Previewnone	6.8	Google	$0.085	2.95s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 3 Tokens de entrada 104,210 Tokens de salida 10,710 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.95s Tiempo de respuesta (total) 44.26s Tiempo de respuesta (máximo) 21.19s Respuesta incorrecta: 8 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 3.8 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
#94#94	Qwen3.6 35B A3Bmedium	6.7	Qwen	$0.746 ↑	58.06s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 1 Tokens de entrada 85,139 Tokens de salida 61,819 Tokens de razonamiento 678,766 Tiempo de respuesta (promedio) 58.06s Tiempo de respuesta (total) 1161.18s Tiempo de respuesta (máximo) 817.57s Respuesta incorrecta: 4 Error de API: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 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
#95#95	Gemini 3.5 Flash-Litelow	6.7	Google	$0.145	2.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 144,622 Tokens de salida 15,302 Tokens de razonamiento 24,971 Tiempo de respuesta (promedio) 2.25s Tiempo de respuesta (total) 49.58s Tiempo de respuesta (máximo) 13.50s Respuesta incorrecta: 9 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.1 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 9.8 Cultura general : 4.7
#97#97	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
#98#98	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
#99#99	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
#101#101	GLM 5.2none	6.6	Z.ai	$0.125 ↓	9.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 2 Tokens de entrada 112,359 Tokens de salida 14,340 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.34s Tiempo de respuesta (total) 205.46s Tiempo de respuesta (máximo) 79.65s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 3.7 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#104#104	Gemini 3.5 Flash-Litemedium	6.5	Google	$0.369	6.01s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 7 Tokens de entrada 118,818 Tokens de salida 11,677 Tokens de razonamiento 121,611 Tiempo de respuesta (promedio) 6.01s Tiempo de respuesta (total) 132.30s Tiempo de respuesta (máximo) 49.03s Respuesta incorrecta: 9 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#105#105	Qwen3.6 27Bmedium	6.5	Qwen	$1.038 ↑	106.32s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 6 Tokens de entrada 106,167 Tokens de salida 32,889 Tokens de razonamiento 241,303 Tiempo de respuesta (promedio) 106.32s Tiempo de respuesta (total) 2339.12s Tiempo de respuesta (máximo) 1085.11s Respuesta incorrecta: 6 Sin respuesta: 3 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 7.7 Combinado : 6.7 Análisis y extracción de datos : 3.5 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#106#106	Hy3 previewmedium	6.5	Tencent	$0.018 ↕	16.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 0 Tokens de entrada 27,030 Tokens de salida 73,544 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 16.28s Tiempo de respuesta (total) 293.12s Tiempo de respuesta (máximo) 46.04s Error de API: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 5.3 Combinado : 5.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#107#107	MiMo-V2.5medium	6.5	Xiaomi	$0.082 ↓	32.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 6 Tokens de entrada 105,447 Tokens de salida 7,120 Tokens de razonamiento 230,682 Tiempo de respuesta (promedio) 32.20s Tiempo de respuesta (total) 708.46s Tiempo de respuesta (máximo) 162.44s Respuesta incorrecta: 5 Formato extra: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 8.7 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
#108#108	Laguna XS 2.1medium	6.5	Poolside	$0.068	47.93s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 42.4% Pruebas inestables 1 Tokens de entrada 118,989 Tokens de salida 30,750 Tokens de razonamiento 491,833 Tiempo de respuesta (promedio) 47.93s Tiempo de respuesta (total) 1054.49s Tiempo de respuesta (máximo) 422.72s Respuesta incorrecta: 11 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0

←

1 2 3 4 8

→

Comparación rápida

Gemini 3.6 FlashmediumvsGemini 3.6 Flashhigh Gemini 3.6 FlashhighvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3.6 Flashlow Gemini 3.6 FlashlowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium Gemini 3.5 FlashmediumvsGPT-5.5medium

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida