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: 2026-06-03 Modelos evaluados: 161

161/161

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#92#92	Qwen3.5 Plus 2026-02-15none	6.4	Qwen	$0.016 ↓	2.40s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 48.3% Pruebas inestables 2 Tokens de entrada 43,023 Tokens de salida 2,474 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.40s Tiempo de respuesta (total) 33.56s Tiempo de respuesta (máximo) 6.65s Respuesta incorrecta: 11 Trucos anti-IA : 4.8 Programación : 4.9 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 : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#93#93	Ring-2.6-1Tnone	6.4	Inclusionai	$0.026	55.10s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 2 Tokens de entrada 7,599 Tokens de salida 39,954 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 55.10s Tiempo de respuesta (total) 881.55s Tiempo de respuesta (máximo) 143.82s Respuesta incorrecta: 5 Error de API: 4 No siguió las instrucciones: 2 Trucos anti-IA : 9.2 Programación : 6.5 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#94#94	Gemini 2.5 Flashnone	6.4	Google	$0.015	889ms
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 48.3% Pruebas inestables 1 Tokens de entrada 32,923 Tokens de salida 1,764 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 889ms Tiempo de respuesta (total) 17.79s Tiempo de respuesta (máximo) 4.39s Respuesta incorrecta: 11 Trucos anti-IA : 3.0 Programación : 6.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#96#96	GLM 5none	6.3	Z.ai	$0.025 ↑	3.95s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 46.7% Pruebas inestables 1 Tokens de entrada 34,537 Tokens de salida 1,985 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.95s Tiempo de respuesta (total) 51.38s Tiempo de respuesta (máximo) 11.07s Respuesta incorrecta: 11 Trucos anti-IA : 4.8 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#78#78	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
#86#86	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
#97#97	Gemma 4 26B A4Bnone	6.2	Google	$0.003 ↓	5.96s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 46.7% Pruebas inestables 2 Tokens de entrada 36,978 Tokens de salida 1,815 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.96s Tiempo de respuesta (total) 119.22s Tiempo de respuesta (máximo) 57.10s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Tiempo agotado: 1 Trucos anti-IA : 8.3 Programación : 4.1 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 6.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#98#98	Mimo V2 Omninone	6.2	Xiaomi	$0.021 ↓	2.44s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 41.7% Pruebas inestables 1 Tokens de entrada 40,852 Tokens de salida 3,314 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.44s Tiempo de respuesta (total) 48.81s Tiempo de respuesta (máximo) 6.81s Respuesta incorrecta: 10 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.6 Programación : 5.1 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#99#99	GPT-5 Nanomedium	6.1	OpenAI	$0.077	43.52s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 55.0% Pruebas inestables 7 Tokens de entrada 31,489 Tokens de salida 5,328 Tokens de razonamiento 181,056 Tiempo de respuesta (promedio) 43.52s Tiempo de respuesta (total) 565.82s Tiempo de respuesta (máximo) 204.02s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 5.4 Combinado : 10.0 Análisis y extracción de datos : 3.7 Específico del dominio : 5.2 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#100#100	DeepSeek V4 Prohigh	6.1	DeepSeek	$0.062 ↓	58.92s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 8.9 Tasa de aciertos por intento 55.0% Pruebas inestables 6 Tokens de entrada 30,514 Tokens de salida 12,244 Tokens de razonamiento 53,958 Tiempo de respuesta (promedio) 58.92s Tiempo de respuesta (total) 1119.51s Tiempo de respuesta (máximo) 358.35s Error de API: 5 Respuesta incorrecta: 4 Tiempo agotado: 2 No siguió las instrucciones: 1 Trucos anti-IA : 6.4 Programación : 2.7 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#102#102	Nemotron 3 Supermedium	5.9	NVIDIA	$0.019 ↑	20.87s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 43.3% Pruebas inestables 2 Tokens de entrada 36,614 Tokens de salida 14,505 Tokens de razonamiento 30,178 Tiempo de respuesta (promedio) 20.87s Tiempo de respuesta (total) 375.66s Tiempo de respuesta (máximo) 87.80s Respuesta incorrecta: 5 No siguió las instrucciones: 3 Error de API: 2 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 8.3 Programación : 3.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.1 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#103#103	gpt-oss-120bmedium	5.9	OpenAI	$0.012 ↓	22.41s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 5 Tokens de entrada 36,355 Tokens de salida 17,495 Tokens de razonamiento 46,878 Tiempo de respuesta (promedio) 22.41s Tiempo de respuesta (total) 291.35s Tiempo de respuesta (máximo) 68.16s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Trucos anti-IA : 6.7 Programación : 3.9 Combinado : 10.0 Análisis y extracción de datos : 6.4 Específico del dominio : 2.9 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.3 Llamada de herramientas : 9.8 Cultura general : 3.0
#104#104	Qwen3.5-Flashnone	5.9	Qwen	$0.004 ↓	3.74s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 41.7% Pruebas inestables 1 Tokens de entrada 43,598 Tokens de salida 4,270 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.74s Tiempo de respuesta (total) 74.71s Tiempo de respuesta (máximo) 27.18s Respuesta incorrecta: 12 Trucos anti-IA : 3.5 Programación : 6.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#105#105	GLM 5V Turbonone	5.9	Z.ai	$0.049	3.04s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 40.0% Pruebas inestables 0 Tokens de entrada 34,502 Tokens de salida 1,760 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.04s Tiempo de respuesta (total) 60.88s Tiempo de respuesta (máximo) 6.51s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 6.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#106#106	Seed-2.0-Litenone	5.9	Bytedance Seed	$0.018	2.48s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 48.3% Pruebas inestables 4 Tokens de entrada 43,630 Tokens de salida 3,253 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.48s Tiempo de respuesta (total) 49.67s Tiempo de respuesta (máximo) 6.70s Respuesta incorrecta: 12 Trucos anti-IA : 3.0 Programación : 6.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#107#107	Owl Alphamedium	5.8	Openrouter	$0.000	11.64s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 41.7% Pruebas inestables 1 Tokens de entrada 40,601 Tokens de salida 2,965 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 11.64s Tiempo de respuesta (total) 232.83s Tiempo de respuesta (máximo) 58.63s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Error de API: 1 Trucos anti-IA : 4.8 Programación : 6.6 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
#101#101	Grok Build 0.1none	6.0	X AI	$0.547	28.69s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 50.9% 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 : 10.0 Combinado : 3.0 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
#108#108	GLM 5.1none	5.8	Z.ai	$0.056 ↓	4.20s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 43.3% Pruebas inestables 4 Tokens de entrada 44,535 Tokens de salida 3,748 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.20s Tiempo de respuesta (total) 83.95s Tiempo de respuesta (máximo) 32.57s Respuesta incorrecta: 12 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.0 Programación : 4.3 Combinado : 2.8 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#109#109	DeepSeek V4 Pronone	5.8	DeepSeek	$0.024 ↓	12.91s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 8.5 Tasa de aciertos por intento 45.0% Pruebas inestables 4 Tokens de entrada 42,256 Tokens de salida 5,345 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.91s Tiempo de respuesta (total) 258.27s Tiempo de respuesta (máximo) 58.65s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Error de API: 1 Formato extra: 1 Trucos anti-IA : 3.5 Programación : 5.4 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
#110#110	Qwen3.5 Plus 2026-04-20none	5.8	Qwen	$0.031 ↓	4.57s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 43.3% Pruebas inestables 4 Tokens de entrada 36,069 Tokens de salida 11,139 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.57s Tiempo de respuesta (total) 91.37s Tiempo de respuesta (máximo) 33.34s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 4.4 Combinado : 2.8 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
#111#111	Qwen3.5-35B-A3Bnone	5.8	Qwen	$0.011 ↓	3.50s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 45.0% Pruebas inestables 3 Tokens de entrada 45,353 Tokens de salida 4,334 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.50s Tiempo de respuesta (total) 70.00s Tiempo de respuesta (máximo) 47.43s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Trucos anti-IA : 3.4 Programación : 6.8 Combinado : 3.0 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
#113#113	Qwen3.5-27Bnone	5.8	Qwen	$0.014 ↓	1.69s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 40.0% Pruebas inestables 2 Tokens de entrada 41,637 Tokens de salida 3,585 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.69s Tiempo de respuesta (total) 33.82s Tiempo de respuesta (máximo) 9.39s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 7.3 Combinado : 2.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#114#114	Qwen3.6 27Bnone	5.8	Qwen	$0.027 ↓	3.85s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 6 Tokens de entrada 49,880 Tokens de salida 3,804 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.85s Tiempo de respuesta (total) 77.09s Tiempo de respuesta (máximo) 11.82s Respuesta incorrecta: 10 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.8 Programación : 6.8 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 7.7 Inteligencia general : 5.2 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 5.3 Llamada de herramientas : 9.5 Cultura general : 3.0
#116#116	Cobuddymedium	5.8	Baidu	$0.000	39.90s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 6 Tokens de entrada 37,449 Tokens de salida 1,677 Tokens de razonamiento 116,703 Tiempo de respuesta (promedio) 39.90s Tiempo de respuesta (total) 797.98s Tiempo de respuesta (máximo) 309.02s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.7 Programación : 4.1 Combinado : 3.0 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 4.2 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#117#117	Mimo V2 PROnone	5.7	Xiaomi	$0.045 ↓	2.27s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 43.3% Pruebas inestables 3 Tokens de entrada 39,344 Tokens de salida 2,352 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.27s Tiempo de respuesta (total) 45.50s Tiempo de respuesta (máximo) 6.58s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Trucos anti-IA : 3.5 Programación : 6.8 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 : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#118#118	Owl Alphanone	5.7	Openrouter	$0.000	8.80s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 38.3% Pruebas inestables 1 Tokens de entrada 39,406 Tokens de salida 4,802 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.80s Tiempo de respuesta (total) 176.09s Tiempo de respuesta (máximo) 47.10s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Formato extra: 1 Trucos anti-IA : 3.4 Programación : 7.0 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
#121#121	GPT-5.4none	5.6	OpenAI	$0.116	1.45s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 38.3% Pruebas inestables 2 Tokens de entrada 31,593 Tokens de salida 2,402 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.45s Tiempo de respuesta (total) 29.00s Tiempo de respuesta (máximo) 2.95s Respuesta incorrecta: 12 No siguió las instrucciones: 1 Trucos anti-IA : 3.2 Programación : 6.8 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
#123#123	Kimi K2.6none	5.6	Moonshot AI	$0.077 ↓	13.82s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 38.3% Pruebas inestables 2 Tokens de entrada 30,318 Tokens de salida 16,405 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 13.82s Tiempo de respuesta (total) 276.39s Tiempo de respuesta (máximo) 238.89s Respuesta incorrecta: 10 No siguió las instrucciones: 3 Trucos anti-IA : 4.6 Programación : 6.8 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
#124#124	Qwen3.6 Flashnone	5.5	Qwen	$0.014 ↓	1.65s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 35.0% Pruebas inestables 0 Tokens de entrada 47,969 Tokens de salida 4,158 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.65s Tiempo de respuesta (total) 32.91s Tiempo de respuesta (máximo) 4.60s Respuesta incorrecta: 11 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.1 Programación : 6.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#112#112	Grok 4.20 Betanone	5.8	X AI	$0.087 ↓	1.19s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 37.0% Pruebas inestables 1 Tokens de entrada 40,597 Tokens de salida 1,657 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.19s Tiempo de respuesta (total) 21.43s Tiempo de respuesta (máximo) 6.48s Respuesta incorrecta: 10 No siguió las instrucciones: 1 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 : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0

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 PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida