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)
#169#169	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.17s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 19.7% Pruebas inestables 1 Tokens de entrada 144,407 Tokens de salida 37,484 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 19.17s Tiempo de respuesta (total) 421.74s Tiempo de respuesta (máximo) 382.06s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.1 Programación : 3.9 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 Cultura general : 3.0
#155#155	Kimi K2.5none	5.5	Moonshot AI	$0.127 ↑	19.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 4 Tokens de entrada 89,322 Tokens de salida 26,638 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 19.15s Tiempo de respuesta (total) 287.30s Tiempo de respuesta (máximo) 102.83s Respuesta incorrecta: 15 Sin respuesta: 1 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
#44#44	GPT-5.6 Lunahigh	7.7	OpenAI	$1.017	18.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 3 Tokens de entrada 80,918 Tokens de salida 5,088 Tokens de razonamiento 150,910 Tiempo de respuesta (promedio) 18.68s Tiempo de respuesta (total) 411.05s Tiempo de respuesta (máximo) 111.09s Respuesta incorrecta: 7 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#173#173	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	18.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 37.9% Pruebas inestables 6 Tokens de entrada 135,780 Tokens de salida 42,097 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 18.25s Tiempo de respuesta (total) 401.60s Tiempo de respuesta (máximo) 115.89s Respuesta incorrecta: 7 Error de API: 4 Formato extra: 2 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 3.2 Programación : 3.1 Combinado : 4.8 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
#17#17	Claude Fable 5medium	8.6	Anthropic	$3.478	17.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 1 Tokens de entrada 89,643 Tokens de salida 41,360 Tokens de razonamiento 10,269 Tiempo de respuesta (promedio) 17.20s Tiempo de respuesta (total) 378.41s Tiempo de respuesta (máximo) 80.80s Sin respuesta: 2 Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 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
#207#207	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% 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 : 1.1 Combinado : 1.5 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
#13#13	GPT-5.3-Codexmedium	8.9	OpenAI	$0.920	16.96s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 4 Tokens de entrada 81,268 Tokens de salida 6,251 Tokens de razonamiento 49,274 Tiempo de respuesta (promedio) 16.96s Tiempo de respuesta (total) 373.19s 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
#104#104	Gemini 3.1 Flash Lite Previewlow	6.5	Google	$0.646	16.70s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 0 Tokens de entrada 110,185 Tokens de salida 14,717 Tokens de razonamiento 397,483 Tiempo de respuesta (promedio) 16.70s Tiempo de respuesta (total) 367.47s Tiempo de respuesta (máximo) 309.35s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 5.5 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
#100#100	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
#105#105	Gemini 3.1 Flash Litelow	6.5	Google	$0.621	16.26s
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 94,224 Tokens de salida 7,759 Tokens de razonamiento 390,126 Tiempo de respuesta (promedio) 16.26s Tiempo de respuesta (total) 357.64s Tiempo de respuesta (máximo) 318.02s Respuesta incorrecta: 9 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 5.5 Combinado : 3.2 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
#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
#144#144	KAT-Coder-Air V2.5high	5.6	Kwaipilot	$0.077	15.90s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 9.9 Tasa de aciertos por intento 43.9% Pruebas inestables 6 Tokens de entrada 50,470 Tokens de salida 3,957 Tokens de razonamiento 111,374 Tiempo de respuesta (promedio) 15.90s Tiempo de respuesta (total) 349.71s Tiempo de respuesta (máximo) 118.35s Respuesta incorrecta: 9 Error de API: 3 Formato extra: 3 Trucos anti-IA : 6.9 Programación : 4.3 Combinado : 6.5 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#20#20	Grok 4.5low	8.4	X AI	$0.935	15.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 1 Tokens de entrada 125,596 Tokens de salida 7,505 Tokens de razonamiento 106,446 Tiempo de respuesta (promedio) 15.56s Tiempo de respuesta (total) 342.32s Tiempo de respuesta (máximo) 205.28s Respuesta incorrecta: 6 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#175#175	Qwen3.6 Plus Previewmedium	4.9	Qwen	$0.000	15.25s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad N/D Tasa de aciertos por intento 40.9% 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 : 9.8 Combinado : 5.0 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
#2🥈 #2	Gemini 3.5 Flashhigh	9.5	Google	$1.976	15.07s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 93.9% Pruebas inestables 2 Tokens de entrada 107,137 Tokens de salida 8,777 Tokens de razonamiento 192,900 Tiempo de respuesta (promedio) 15.07s Tiempo de respuesta (total) 331.48s Tiempo de respuesta (máximo) 145.92s Llamada de herramienta no válida: 1 Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 7.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 9.8 Cultura general : 10.0
#186#186	Laguna M.1medium	4.7	Poolside	$0.033 ↕	14.73s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% 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 : 1.5 Combinado : 1.5 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
#126#126	Qwen3.5 Plus 2026-04-20none	6.1	Qwen	$0.122 ↓	13.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 4 Tokens de entrada 94,468 Tokens de salida 51,487 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 13.56s Tiempo de respuesta (total) 298.31s Tiempo de respuesta (máximo) 206.05s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 3.9 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#53#53	GPT-5.4 Nanomedium	7.5	OpenAI	$0.138	13.24s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 4 Tokens de entrada 82,819 Tokens de salida 7,100 Tokens de razonamiento 90,022 Tiempo de respuesta (promedio) 13.24s Tiempo de respuesta (total) 291.33s Tiempo de respuesta (máximo) 94.06s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 9.9 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
#199#199	Hy3 previewnone	4.0	Tencent	$0.003 ↕	12.92s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 22.7% 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 : 1.5 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
#142#142	Qwen3.5-122B-A10Bnone	5.7	Qwen	$0.247 ↓	12.92s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 2 Tokens de entrada 241,566 Tokens de salida 88,458 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.92s Tiempo de respuesta (total) 284.21s Tiempo de respuesta (máximo) 212.63s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 3.7 Combinado : 5.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#41#41	Claude Opus 4.8low	7.8	Anthropic	$2.077	12.74s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 80.3% Pruebas inestables 3 Tokens de entrada 156,525 Tokens de salida 43,141 Tokens de razonamiento 8,617 Tiempo de respuesta (promedio) 12.74s Tiempo de respuesta (total) 280.29s Tiempo de respuesta (máximo) 127.97s Respuesta incorrecta: 4 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 9.9 Análisis y extracción de datos : 6.3 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
#127#127	Qwen3.5-35B-A3Bnone	6.1	Qwen	$0.106 ↓	12.72s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 4 Tokens de entrada 134,521 Tokens de salida 86,614 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.72s Tiempo de respuesta (total) 279.90s Tiempo de respuesta (máximo) 209.15s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 6.5 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#23#23	Claude Sonnet 5medium	8.3	Anthropic	$0.922	12.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 80.3% Pruebas inestables 3 Tokens de entrada 145,956 Tokens de salida 52,333 Tokens de razonamiento 10,874 Tiempo de respuesta (promedio) 12.52s Tiempo de respuesta (total) 275.42s Tiempo de respuesta (máximo) 66.71s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 9.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#14#14	Claude Opus 4.8medium	8.8	Anthropic	$1.931	12.49s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 84.9% Pruebas inestables 1 Tokens de entrada 138,451 Tokens de salida 40,766 Tokens de razonamiento 9,075 Tiempo de respuesta (promedio) 12.49s Tiempo de respuesta (total) 274.72s Tiempo de respuesta (máximo) 70.54s Respuesta incorrecta: 3 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.9 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
#182#182	KAT-Coder-Air V2.5none	4.8	Kwaipilot	$0.067	12.17s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 37.9% Pruebas inestables 8 Tokens de entrada 69,367 Tokens de salida 93,913 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.17s Tiempo de respuesta (total) 267.83s Tiempo de respuesta (máximo) 121.05s Respuesta incorrecta: 13 Formato extra: 3 Error de API: 1 Trucos anti-IA : 5.3 Programación : 3.3 Combinado : 3.8 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#71#71	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
#146#146	Owl Alphamedium	5.6	Openrouter	$0.000	11.95s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 37.9% 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 : 1.5 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
#5#5	GPT-5.6 Solhigh	9.4	OpenAI	$1.234	11.73s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 89.4% Pruebas inestables 3 Tokens de entrada 79,249 Tokens de salida 4,855 Tokens de razonamiento 23,044 Tiempo de respuesta (promedio) 11.73s Tiempo de respuesta (total) 257.99s Tiempo de respuesta (máximo) 54.79s Respuesta incorrecta: 4 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 : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 4.7
#82#82	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
#24#24	Muse Spark 1.1low	8.3	Meta	$0.647	11.45s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 142,298 Tokens de salida 10,847 Tokens de razonamiento 99,467 Tiempo de respuesta (promedio) 11.45s Tiempo de respuesta (total) 251.92s Tiempo de respuesta (máximo) 54.15s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 10.0 Combinado : 6.6 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 8.3 Llamada de herramientas : 9.8 Cultura general : 3.0

←

1 2 3 4 5 6 7

→

Comparación rápida

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida