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: 2026-04-24 Modelos evaluados: 115

115/115

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#91#91	DeepSeek V4 Flashnone	5.3	DeepSeek	$0.008	29.39s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 13 Fiabilidad: N/D Tasa de aciertos por intento: 33.3% Pruebas inestables: 2 Tokens de salida: 4,444 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 29.39s · total 529.10s · máximo 111.96s Respuesta incorrecta: 8 Formato extra: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.0 Programación : 6.3 Combinado : 4.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0
#92#92	Grok 4.20 Betanone	5.3	X AI	$0.091	1.19s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 14 Fiabilidad: N/D Tasa de aciertos por intento: 29.6% Pruebas inestables: 2 Tokens de salida: 1,591 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.19s · total 21.37s · máximo 6.48s Respuesta incorrecta: 10 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.0 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0
#93#93	MiniMax M2.7medium	5.3	Minimax	$0.091	31.08s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 14 Fiabilidad: N/D Tasa de aciertos por intento: 51.9% Pruebas inestables: 10 Tokens de salida: 4,984 Tokens de razonamiento: 62,787 Tiempo de respuesta: promedio 31.08s · total 528.37s · máximo 117.04s No siguió las instrucciones: 6 Respuesta incorrecta: 5 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 10.0 Combinado : 4.7 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 3.7 Resolución de acertijos : 3.8 Llamada de herramientas : 4.7
#94#94	Elephant Alphamedium	5.2	Openrouter	$0.000	1.27s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 13 Fiabilidad: N/D Tasa de aciertos por intento: 29.6% Pruebas inestables: 1 Tokens de salida: 2,596 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.27s · total 22.82s · máximo 3.70s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.6 Programación : 5.1 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.7 Llamada de herramientas : 3.0
#95#95	Grok 4.20none	5.2	X AI	$0.095	1.11s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 13 Fiabilidad: N/D Tasa de aciertos por intento: 29.6% Pruebas inestables: 1 Tokens de salida: 1,967 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.11s · total 20.02s · máximo 6.04s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 3.4 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0
#96#96	Mistral Small 4none	5.2	Mistral	$0.006	665ms
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 13 Fiabilidad: N/D Tasa de aciertos por intento: 31.5% Pruebas inestables: 1 Tokens de salida: 2,207 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 665ms · total 11.97s · máximo 1.72s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Trucos anti-IA : 3.4 Programación : 4.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0
#97#97	gpt-oss-120bnone	5.2	OpenAI	$0.009	11.96s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 14 Fiabilidad: N/D Tasa de aciertos por intento: 38.9% Pruebas inestables: 5 Tokens de salida: 44,652 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 11.96s · total 179.34s · máximo 68.97s Respuesta incorrecta: 6 No siguió las instrucciones: 5 Error de API: 3 Trucos anti-IA : 6.6 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 4.5 Llamada de herramientas : 3.0
#98#98	Elephant Alphanone	5.2	Openrouter	$0.000	1.23s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 13 Fiabilidad: N/D Tasa de aciertos por intento: 31.5% Pruebas inestables: 1 Tokens de salida: 2,573 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.23s · total 22.16s · máximo 3.81s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.6 Programación : 6.4 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 : 3.3 Llamada de herramientas : 3.0
#99#99	GPT-5.4 Mininone	5.1	OpenAI	$0.032	1.17s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 13 Fiabilidad: N/D Tasa de aciertos por intento: 35.2% Pruebas inestables: 3 Tokens de salida: 2,418 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.17s · total 21.01s · máximo 2.52s Respuesta incorrecta: 10 No siguió las instrucciones: 3 Trucos anti-IA : 3.1 Programación : 10.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.4 Llamada de herramientas : 3.0
#100#100	Qwen3 Coder Nextnone	5.1	Qwen	$0.008	10.18s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 14 Fiabilidad: N/D Tasa de aciertos por intento: 25.9% Pruebas inestables: 1 Tokens de salida: 3,617 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 10.18s · total 122.13s · máximo 45.14s Respuesta incorrecta: 12 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.6 Programación : 7.3 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.2 Llamada de herramientas : 10.0
#101#101	MiMo-V2.5none	5.1	Xiaomi	$0.019	1.05s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 13 Fiabilidad: N/D Tasa de aciertos por intento: 27.8% Pruebas inestables: 0 Tokens de salida: 2,177 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.05s · total 18.94s · máximo 2.43s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Formato extra: 1 Trucos anti-IA : 4.8 Programación : 10.0 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.4 Llamada de herramientas : 10.0
#102#102	Nemotron 3 Supernone	5.1	NVIDIA	$0.000	8.54s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 14 Fiabilidad: N/D Tasa de aciertos por intento: 35.2% Pruebas inestables: 4 Tokens de salida: 4,760 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 8.54s · total 153.69s · máximo 24.97s Respuesta incorrecta: 10 No siguió las instrucciones: 4 Trucos anti-IA : 4.8 Programación : 3.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.2 Seguimiento de instrucciones : 4.9 Resolución de acertijos : 5.7 Llamada de herramientas : 4.7
#103#103	GPT-4o-mininone	4.9	OpenAI	$0.005	2.00s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 14 Fiabilidad: N/D Tasa de aciertos por intento: 22.2% Pruebas inestables: 0 Tokens de salida: 1,947 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 2.00s · total 21.99s · máximo 7.58s Respuesta incorrecta: 13 No siguió las instrucciones: 1 Trucos anti-IA : 4.8 Programación : 3.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0
#104#104	Qwen3.5-9Bnone	4.8	Qwen	$0.005	1.47s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 14 Fiabilidad: N/D Tasa de aciertos por intento: 24.1% Pruebas inestables: 1 Tokens de salida: 3,951 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.47s · total 26.43s · máximo 5.91s Respuesta incorrecta: 10 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.1 Programación : 5.2 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.2 Llamada de herramientas : 10.0
#105#105	Mercury 2none	4.8	Inception	$0.007	613ms
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 14 Fiabilidad: N/D Tasa de aciertos por intento: 27.8% Pruebas inestables: 2 Tokens de salida: 1,625 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 613ms · total 11.04s · máximo 1.27s Respuesta incorrecta: 13 No siguió las instrucciones: 1 Trucos anti-IA : 3.0 Programación : 3.6 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0
#106#106	Qwen3 Coder Nextmedium	4.7	Qwen	$0.008	10.75s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 15 Fiabilidad: N/D Tasa de aciertos por intento: 27.8% Pruebas inestables: 3 Tokens de salida: 3,241 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 10.75s · total 129.01s · máximo 81.80s Respuesta incorrecta: 9 No siguió las instrucciones: 5 Tiempo agotado: 1 Trucos anti-IA : 3.5 Programación : 4.7 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 6.3 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0
#107#107	HY3 Previewnone	4.7	Tencent	$0.000	13.56s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 14 Fiabilidad: N/D Tasa de aciertos por intento: 27.8% Pruebas inestables: 2 Tokens de salida: 2,639 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 13.56s · total 230.55s · máximo 35.84s Respuesta incorrecta: 7 No siguió las instrucciones: 4 Error de API: 2 Formato extra: 1 Trucos anti-IA : 4.8 Programación : 2.3 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 : 3.3 Llamada de herramientas : 10.0
#108#108	GLM 4.7 Flashmedium	4.6	Z.ai	$0.046	32.33s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 14 Fiabilidad: N/D Tasa de aciertos por intento: 38.9% Pruebas inestables: 8 Tokens de salida: 39,688 Tokens de razonamiento: 72,401 Tiempo de respuesta: promedio 32.33s · total 355.65s · máximo 174.55s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 4.7 Programación : 3.6 Combinado : 2.8 Análisis y extracción de datos : 6.3 Específico del dominio : 3.5 Inteligencia general : 3.6 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0
#109#109	MiMo-V2-Flashnone	4.5	Xiaomi	$0.023	2.79s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 15 Fiabilidad: N/D Tasa de aciertos por intento: 27.8% Pruebas inestables: 5 Tokens de salida: 68,522 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 2.79s · total 39.08s · máximo 19.68s Respuesta incorrecta: 12 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.2 Programación : 6.3 Combinado : 3.0 Análisis y extracción de datos : 2.9 Específico del dominio : 5.3 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0
#110#110	Grok 4.1 Fastnone	4.5	X AI	$0.009	1.76s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 15 Fiabilidad: N/D Tasa de aciertos por intento: 24.1% Pruebas inestables: 3 Tokens de salida: 1,721 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.76s · total 19.35s · máximo 5.51s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Trucos anti-IA : 3.2 Programación : 5.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 3.0 Resolución de acertijos : 3.2 Llamada de herramientas : 2.8
#111#111	Ling 2.6 1tnone	4.5	Inclusionai	$0.000	8.79s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 15 Fiabilidad: N/D Tasa de aciertos por intento: 16.7% Pruebas inestables: 0 Tokens de salida: 2,434 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 8.79s · total 158.19s · máximo 25.72s Respuesta incorrecta: 11 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 3.1 Llamada de herramientas : 3.0
#112#112	GPT-5.4 Nanonone	4.5	OpenAI	$0.009	1.40s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 16 Fiabilidad: N/D Tasa de aciertos por intento: 31.5% Pruebas inestables: 7 Tokens de salida: 2,762 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.40s · total 25.14s · máximo 3.84s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Trucos anti-IA : 3.5 Programación : 7.1 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 5.0 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0
#113#113	Qwen3.5-9Bmedium	4.4	Qwen	$0.030	73.64s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 15 Fiabilidad: N/D Tasa de aciertos por intento: 33.3% Pruebas inestables: 6 Tokens de salida: 24,291 Tokens de razonamiento: 172,597 Tiempo de respuesta: promedio 73.64s · total 1104.60s · máximo 226.38s Tiempo agotado: 11 No siguió las instrucciones: 2 Formato extra: 1 Respuesta incorrecta: 1 Trucos anti-IA : 5.1 Programación : 2.6 Combinado : 3.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 2.8 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0
#114#114	LFM2-24B-A2Bnone	4.1	Liquid	$0.001	811ms
Ver ficha del modelo Pruebas totales: 16 Pruebas incorrectas: 15 Fiabilidad: N/D Tasa de aciertos por intento: 14.6% Pruebas inestables: 2 Tokens de salida: 1,185 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 811ms · total 11.35s · máximo 2.88s Respuesta incorrecta: 9 Error de API: 4 No siguió las instrucciones: 2 Trucos anti-IA : 3.3 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 5.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 4.4 Llamada de herramientas : 3.0
#115#115	Step 3.5 Flashnone	3.0	Stepfun	$0.000	0ms
Ver ficha del modelo Pruebas totales: 1 Pruebas incorrectas: 1 Fiabilidad: N/D Tasa de aciertos por intento: 0.0% Pruebas inestables: 0 Tokens de salida: 0 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 0ms · total 0ms · máximo 0ms Error de API: 1 Programación : 3.0

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7none Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsHY3 PreviewhighDisponible gratis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsClaude Opus 4.7none Claude Opus 4.7nonevsGPT-5.5medium GPT-5.5mediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsSeed-2.0-Litemedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida