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)
#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
#1🥇 #1	Gemini 3 Flash Previewmedium	9.8	Google	$0.667	18.64s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 98.4% Pruebas inestables 1 Tokens de entrada 37,017 Tokens de salida 2,006 Tokens de razonamiento 214,153 Tiempo de respuesta (promedio) 18.64s Tiempo de respuesta (total) 391.35s Tiempo de respuesta (máximo) 117.26s Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 8.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 10.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#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
#149#149	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	4.6	NVIDIA	$0.000	17.13s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 31.6% 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 Trucos anti-IA : 6.4 Programación : 3.3 Combinado : 3.0 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
#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
#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
#33#33	Hy3 previewmedium	7.7	Tencent	$0.018	16.28s
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 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 : 10.0 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
#15#15	GPT-5.3-Codexmedium	8.4	OpenAI	$0.740	16.22s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 82.5% Pruebas inestables 4 Tokens de entrada 34,299 Tokens de salida 2,357 Tokens de razonamiento 46,189 Tiempo de respuesta (promedio) 16.22s Tiempo de respuesta (total) 340.67s Tiempo de respuesta (máximo) 100.93s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#5#5	Qwen3.7 Maxmedium	9.1	Qwen	$0.523 ↓	16.02s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 88.9% Pruebas inestables 1 Tokens de entrada 42,360 Tokens de salida 2,129 Tokens de razonamiento 122,959 Tiempo de respuesta (promedio) 16.02s Tiempo de respuesta (total) 336.51s Tiempo de respuesta (máximo) 59.98s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 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
#28#28	Gemini 2.5 Flashmedium	7.8	Google	$0.379	15.49s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 69.8% Pruebas inestables 1 Tokens de entrada 34,476 Tokens de salida 1,930 Tokens de razonamiento 145,145 Tiempo de respuesta (promedio) 15.49s Tiempo de respuesta (total) 325.39s Tiempo de respuesta (máximo) 95.48s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.4 Programación : 7.8 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
#93#93	Qwen3.6 Plus Previewmedium	6.3	Qwen	$0.000	15.25s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 47.4% 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 Trucos anti-IA : 8.3 Programación : 3.0 Combinado : 10.0 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
#41#41	Nemotron 3 Ultra 550b A55bmedium	7.5	NVIDIA	$0.000	15.05s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 9.7 Tasa de aciertos por intento 69.8% Pruebas inestables 3 Tokens de entrada 46,813 Tokens de salida 18,002 Tokens de razonamiento 53,091 Tiempo de respuesta (promedio) 15.05s Tiempo de respuesta (total) 316.09s Tiempo de respuesta (máximo) 43.93s Respuesta incorrecta: 7 Error de API: 1 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#92#92	Laguna M.1medium	6.4	Poolside	$0.000	14.73s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 52.6% Pruebas inestables 2 Tokens de entrada 44,969 Tokens de salida 58,087 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 14.73s Tiempo de respuesta (total) 220.93s Tiempo de respuesta (máximo) 53.14s Error de API: 4 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.5 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#133#133	DeepSeek V3.2none	5.2	DeepSeek	$0.017 ↓	13.83s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 39.7% Pruebas inestables 6 Tokens de entrada 55,997 Tokens de salida 11,165 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 13.83s Tiempo de respuesta (total) 290.43s Tiempo de respuesta (máximo) 115.89s Respuesta incorrecta: 7 Error de API: 4 Formato extra: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.2 Programación : 3.1 Combinado : 6.5 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#124#124	Kimi K2.6none	5.5	Moonshot AI	$0.079 ↓	13.27s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 36.5% Pruebas inestables 2 Tokens de entrada 32,916 Tokens de salida 16,410 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 13.27s Tiempo de respuesta (total) 278.57s Tiempo de respuesta (máximo) 238.89s Respuesta incorrecta: 11 No siguió las instrucciones: 3 Trucos anti-IA : 4.6 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#135#135	Kimi K2.5none	5.2	Moonshot AI	$0.028 ↑	13.18s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 3 Tokens de entrada 36,034 Tokens de salida 6,657 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 13.18s Tiempo de respuesta (total) 184.47s Tiempo de respuesta (máximo) 42.13s Respuesta incorrecta: 15 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 2.8 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#156#156	Hy3 previewnone	4.4	Tencent	$0.003	12.92s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 23.8% Pruebas inestables 2 Tokens de entrada 27,172 Tokens de salida 2,661 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.92s Tiempo de respuesta (total) 232.64s Tiempo de respuesta (máximo) 35.84s Respuesta incorrecta: 8 Error de API: 4 No siguió las instrucciones: 4 Formato extra: 1 Trucos anti-IA : 4.8 Programación : 2.7 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.6 Inteligencia general : 4.1 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#113#113	DeepSeek V4 Pronone	5.7	DeepSeek	$0.025 ↓	12.38s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 8.5 Tasa de aciertos por intento 42.9% Pruebas inestables 4 Tokens de entrada 44,845 Tokens de salida 5,349 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.38s Tiempo de respuesta (total) 260.06s Tiempo de respuesta (máximo) 58.65s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Error de API: 1 Formato extra: 1 Trucos anti-IA : 3.5 Programación : 4.6 Combinado : 9.5 Análisis y extracción de datos : 6.9 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#70#70	GPT-5.4 Nanomedium	7.0	OpenAI	$0.107	11.95s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.5% Pruebas inestables 4 Tokens de entrada 35,434 Tokens de salida 3,014 Tokens de razonamiento 76,520 Tiempo de respuesta (promedio) 11.95s Tiempo de respuesta (total) 250.98s Tiempo de respuesta (máximo) 94.06s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#111#111	Owl Alphamedium	5.7	Openrouter	$0.000	11.95s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 39.7% 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 Trucos anti-IA : 4.8 Programación : 5.4 Combinado : 3.0 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
#79#79	Hunter Alphamedium	6.7	OpenRouter	$0.000	10.33s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 64.8% 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 Trucos anti-IA : 7.3 Programación : 3.0 Combinado : 4.7 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
#20#20	Gemini 3.5 Flashnone	8.1	Google	$1.079	9.93s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 77.8% 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: 3 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
#121#121	Owl Alphanone	5.5	Openrouter	$0.000	9.88s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 36.5% 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 Trucos anti-IA : 3.4 Programación : 5.6 Combinado : 3.0 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
#6#6	GPT-5.5low	9.0	OpenAI	$0.907	9.76s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 85.7% Pruebas inestables 0 Tokens de entrada 34,209 Tokens de salida 2,046 Tokens de razonamiento 22,460 Tiempo de respuesta (promedio) 9.76s Tiempo de respuesta (total) 204.92s Tiempo de respuesta (máximo) 56.19s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#13#13	Grok 4.20 Betamedium	8.5	X AI	$0.750 ↑	9.75s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 4 Fiabilidad N/D Tasa de aciertos por intento 81.5% Pruebas inestables 1 Tokens de entrada 35,955 Tokens de salida 1,647 Tokens de razonamiento 91,565 Tiempo de respuesta (promedio) 9.75s Tiempo de respuesta (total) 175.48s Tiempo de respuesta (máximo) 31.36s Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 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
#84#84	Grok 4.20 Multi Agent Betamedium	6.6	X AI	$5.599 ↑	9.69s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 59.3% Pruebas inestables 5 Tokens de entrada 721,952 Tokens de salida 294,668 Tokens de razonamiento 305,374 Tiempo de respuesta (promedio) 9.69s Tiempo de respuesta (total) 155.07s Tiempo de respuesta (máximo) 35.28s Respuesta incorrecta: 4 Error de API: 2 Formato extra: 2 No siguió las instrucciones: 2 Trucos anti-IA : 6.9 Programación : 10.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.7 Llamada de herramientas : 3.0
#10#10	Claude Opus 4.8medium	8.7	Anthropic	$1.107	9.66s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 84.1% Pruebas inestables 1 Tokens de entrada 61,007 Tokens de salida 26,495 Tokens de razonamiento 5,901 Tiempo de respuesta (promedio) 9.66s Tiempo de respuesta (total) 202.89s Tiempo de respuesta (máximo) 38.03s Respuesta incorrecta: 3 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.8 Análisis y extracción de datos : 7.1 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#132#132	Mistral Small 4medium	5.3	Mistral	$0.068	9.40s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 44.4% Pruebas inestables 8 Tokens de entrada 42,576 Tokens de salida 24,184 Tokens de razonamiento 84,678 Tiempo de respuesta (promedio) 9.40s Tiempo de respuesta (total) 197.39s Tiempo de respuesta (máximo) 59.15s Respuesta incorrecta: 12 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 5.6 Programación : 4.4 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#138#138	Ling-2.6-flashnone	5.0	Inclusionai	$0.001 ↑	9.34s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 31.8% Pruebas inestables 2 Tokens de entrada 40,718 Tokens de salida 2,878 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.34s Tiempo de respuesta (total) 177.48s Tiempo de respuesta (máximo) 35.34s Respuesta incorrecta: 9 Error de API: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 6.8 Programación : 5.3 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 2.9 Llamada de herramientas : 3.0 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 PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsNemotron 3 Ultra 550b A55bmediumDisponible gratis Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida