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)
#130#130	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 9.2 Tasa de aciertos por intento 51.5% Pruebas inestables 1 Tokens de entrada 65,707 Tokens de salida 108,561 Tokens de razonamiento 293,993 Tiempo de respuesta (promedio) 174.22s Tiempo de respuesta (total) 2613.32s Tiempo de respuesta (máximo) 1597.85s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 2.4 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.3 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
#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
#108#108	Ring-2.6-1Tmedium	6.3	Inclusionai	$0.103 ↑	68.74s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 4 Tokens de entrada 113,604 Tokens de salida 123,079 Tokens de razonamiento 42,754 Tiempo de respuesta (promedio) 68.74s Tiempo de respuesta (total) 1374.86s Tiempo de respuesta (máximo) 304.19s Respuesta incorrecta: 6 Error de API: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.3 Combinado : 7.3 Análisis y extracción de datos : 6.5 Específico del dominio : 3.5 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#80#80	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.101	92.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 8.5 Tasa de aciertos por intento 57.6% Pruebas inestables 3 Tokens de entrada 125,467 Tokens de salida 10,778 Tokens de razonamiento 209,856 Tiempo de respuesta (promedio) 92.53s Tiempo de respuesta (total) 1665.50s Tiempo de respuesta (máximo) 301.78s Tiempo agotado: 5 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.6 Programación : 5.5 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#167#167	Mistral Small 4medium	5.1	Mistral	$0.096	10.77s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 42.4% Pruebas inestables 8 Tokens de entrada 140,494 Tokens de salida 39,462 Tokens de razonamiento 92,362 Tiempo de respuesta (promedio) 10.77s Tiempo de respuesta (total) 236.94s Tiempo de respuesta (máximo) 59.15s Respuesta incorrecta: 12 Error de API: 2 No siguió las instrucciones: 2 Sin respuesta: 1 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
#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
#129#129	Nemotron 3 Ultranone	6.1	NVIDIA	$0.095 ↕	3.87s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 42.4% Pruebas inestables 2 Tokens de entrada 101,275 Tokens de salida 9,474 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.87s Tiempo de respuesta (total) 85.15s Tiempo de respuesta (máximo) 37.50s Respuesta incorrecta: 12 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#136#136	GPT-5.4 Mininone	5.9	OpenAI	$0.095	1.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 3 Tokens de entrada 79,067 Tokens de salida 7,880 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.53s Tiempo de respuesta (total) 33.74s Tiempo de respuesta (máximo) 9.92s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Trucos anti-IA : 3.1 Programación : 5.5 Combinado : 6.5 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 Cultura general : 3.0
#78#78	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
#103#103	Qwen3.5-27Bnone	6.5	Qwen	$0.090 ↑	4.76s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 40.9% Pruebas inestables 2 Tokens de entrada 102,316 Tokens de salida 24,321 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.76s Tiempo de respuesta (total) 104.71s Tiempo de respuesta (máximo) 69.46s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 5.8 Combinado : 6.4 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
#95#95	Gemma 4 26B A4Bmedium	6.6	Google	$0.089 ↓	103.83s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.4 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de entrada 77,550 Tokens de salida 28,036 Tokens de razonamiento 219,491 Tiempo de respuesta (promedio) 103.83s Tiempo de respuesta (total) 2180.47s Tiempo de respuesta (máximo) 912.19s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 2.9 Combinado : 6.3 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
#152#152	Qwen3.6 27Bnone	5.5	Qwen	$0.087 ↑	10.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 6 Tokens de entrada 95,796 Tokens de salida 16,155 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.65s Tiempo de respuesta (total) 234.39s Tiempo de respuesta (máximo) 156.31s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.8 Programación : 5.5 Combinado : 3.2 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
#191#191	Grok 4.20 Betanone	4.4	X AI	$0.087 ↓	1.19s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 30.3% 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 : 1.8 Combinado : 1.5 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 Cultura general : 0.0
#89#89	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
#101#101	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
#76#76	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
#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
#125#125	Qwen3.5-Flashnone	6.1	Qwen	$0.073 ↓	25.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 39.4% Pruebas inestables 2 Tokens de entrada 282,347 Tokens de salida 209,201 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 25.28s Tiempo de respuesta (total) 556.24s Tiempo de respuesta (máximo) 480.96s Respuesta incorrecta: 13 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 2.9 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
#107#107	Qwen3.5 Plus 2026-02-15none	6.4	Qwen	$0.073 ↓	9.85s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 48.5% Pruebas inestables 2 Tokens de entrada 102,646 Tokens de salida 29,370 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.85s Tiempo de respuesta (total) 157.63s Tiempo de respuesta (máximo) 123.00s Respuesta incorrecta: 12 Trucos anti-IA : 4.8 Programación : 4.3 Combinado : 6.5 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
#185#185	Grok 4.1 Fastmedium	4.7	X AI	$0.069 ↑	23.85s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% Pruebas inestables 6 Tokens de entrada 42,845 Tokens de salida 2,006 Tokens de razonamiento 96,334 Tiempo de respuesta (promedio) 23.85s Tiempo de respuesta (total) 286.16s Tiempo de respuesta (máximo) 121.79s No siguió las instrucciones: 4 Respuesta incorrecta: 4 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 7.8 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.8 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 2.8 Cultura general : 3.0
#154#154	MiMo-V2.5-Pronone	5.5	Xiaomi	$0.068 ↓	4.12s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 37.9% Pruebas inestables 4 Tokens de entrada 124,799 Tokens de salida 15,362 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.12s Tiempo de respuesta (total) 90.55s Tiempo de respuesta (máximo) 53.13s Respuesta incorrecta: 11 No siguió las instrucciones: 4 Sin respuesta: 1 Trucos anti-IA : 3.3 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#102#102	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
#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
#116#116	Seed-2.0-Litenone	6.2	Bytedance Seed	$0.066	4.40s
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 142,197 Tokens de salida 14,746 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.40s Tiempo de respuesta (total) 96.84s Tiempo de respuesta (máximo) 44.58s Respuesta incorrecta: 13 Sin respuesta: 1 Trucos anti-IA : 3.0 Programación : 5.6 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
#124#124	Qwen3.6 Flashnone	6.1	Qwen	$0.062 ↓	3.74s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 1 Tokens de entrada 139,788 Tokens de salida 30,947 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.74s Tiempo de respuesta (total) 82.38s Tiempo de respuesta (máximo) 48.79s Respuesta incorrecta: 12 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 3.1 Programación : 5.4 Combinado : 3.8 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
#161#161	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.061 ↑	5.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 31.8% Pruebas inestables 6 Tokens de entrada 93,979 Tokens de salida 46,957 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.52s Tiempo de respuesta (total) 110.40s Tiempo de respuesta (máximo) 39.54s Respuesta incorrecta: 13 Error de API: 2 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 3.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#197#197	Grok 4.20none	4.1	X AI	$0.057 ↓	1.11s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 27.3% Pruebas inestables 0 Tokens de entrada 41,313 Tokens de salida 1,923 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.11s Tiempo de respuesta (total) 19.96s Tiempo de respuesta (máximo) 6.04s Respuesta incorrecta: 10 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 1.1 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 0.0
#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
#106#106	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.58s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 57.6% Pruebas inestables 1 Tokens de entrada 120,942 Tokens de salida 14,292 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.58s Tiempo de respuesta (total) 34.72s Tiempo de respuesta (máximo) 9.27s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 7.5 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

←

1 2 3 4 5 6 7

→

Comparación rápida

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida