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: 2026-10-17 Modelos evaluados: 442

Modelos recomendados

GPT-6.1 Sol xhigh Inteligente Tasa de aciertos por intento 97.1% Pruebas correctas 22 / 23 Puntuación 9.9/10 Gemini 3.7 Flash low Rápido Tiempo de respuesta (promedio) 6.24s Total de tokens de salida 38,453 Puntuación 9.4/10 GPT-6 Luna high Económico Precio de entrada $0.100 / 1M Precio de salida $0.500 / 1M Precio de lectura de caché $0.010 / 1M Precio de escritura de caché $0.125 / 1M Puntuación 7.7/10

442/442

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#114#114	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 6 Tokens de entrada 288,919 Tokens de salida 17,484 Tokens de razonamiento 617,804 Tiempo de respuesta (promedio) 114.73s Tiempo de respuesta (total) 2638.74s Tiempo de respuesta (máximo) 1026.43s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 Programación : 6.2 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#181#181	Qwen3.6 Max Previewmedium	7.0	Qwen	$1.132 ↓	66.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 79.7% Pruebas inestables 2 Tokens de entrada 79,249 Tokens de salida 5,097 Tokens de razonamiento 165,276 Tiempo de respuesta (promedio) 66.52s Tiempo de respuesta (total) 1463.50s Tiempo de respuesta (máximo) 238.07s Respuesta incorrecta: 4 Tiempo agotado: 1 Tareas de agentes : 0.0 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 7.3 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 : 3.0
#75#75	Qwen3.8 Max (0902)low	8.6	Qwen	$1.131	29.07s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 85.5% Pruebas inestables 3 Tokens de entrada 298,682 Tokens de salida 8,374 Tokens de razonamiento 80,549 Tiempo de respuesta (promedio) 29.07s Tiempo de respuesta (total) 668.66s Tiempo de respuesta (máximo) 207.79s Respuesta incorrecta: 4 Llamada de herramienta no válida: 1 Tareas de agentes : 6.1 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 : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#117#117	GPT-5.4 Minimedium	7.9	OpenAI	$1.102 ↑	29.94s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.6% Pruebas inestables 5 Tokens de entrada 238,925 Tokens de salida 7,109 Tokens de razonamiento 177,063 Tiempo de respuesta (promedio) 29.94s Tiempo de respuesta (total) 688.57s Tiempo de respuesta (máximo) 138.75s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.6 Programación : 8.4 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 4.7 Cultura general : 3.0
#222#222	Claude Sonnet 5.5medium	6.5	Anthropic	$1.100	8.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 40.6% Pruebas inestables 1 Tokens de entrada 361,183 Tokens de salida 26,609 Tokens de razonamiento 11,139 Tiempo de respuesta (promedio) 8.03s Tiempo de respuesta (total) 184.80s Tiempo de respuesta (máximo) 51.18s Formato extra: 8 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Sin respuesta: 1 Respuesta incorrecta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 6.5 Programación : 3.4 Combinado : 8.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#46#46	Qwen3.8 Max (0902)medium	9.0	Qwen	$1.096	30.42s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 84.1% Pruebas inestables 2 Tokens de entrada 268,540 Tokens de salida 7,499 Tokens de razonamiento 85,499 Tiempo de respuesta (promedio) 30.42s Tiempo de respuesta (total) 699.68s Tiempo de respuesta (máximo) 168.09s Respuesta incorrecta: 5 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#284#284	Claude Sonnet 5none	5.9	Anthropic	$1.095	8.60s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 40.6% Pruebas inestables 5 Tokens de entrada 393,560 Tokens de salida 30,466 Tokens de razonamiento 311 Tiempo de respuesta (promedio) 8.60s Tiempo de respuesta (total) 197.73s Tiempo de respuesta (máximo) 64.73s Respuesta incorrecta: 9 Formato extra: 4 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 4.7 Trucos anti-IA : 5.3 Programación : 4.6 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#59#59	Qwen3.8 MAXlow	8.8	Qwen	$1.089 ↑	25.09s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 81.2% Pruebas inestables 3 Tokens de entrada 262,495 Tokens de salida 7,787 Tokens de razonamiento 86,149 Tiempo de respuesta (promedio) 25.09s Tiempo de respuesta (total) 577.14s Tiempo de respuesta (máximo) 155.75s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#174#174	Qwen3.6 27Bmedium	7.2	Qwen	$1.021 ↑	107.79s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 62.3% Pruebas inestables 7 Tokens de entrada 264,147 Tokens de salida 34,419 Tokens de razonamiento 253,480 Tiempo de respuesta (promedio) 107.79s Tiempo de respuesta (total) 2479.26s Tiempo de respuesta (máximo) 1085.11s Respuesta incorrecta: 5 Sin respuesta: 3 Llamada de herramienta no válida: 2 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 7.7 Combinado : 6.7 Análisis y extracción de datos : 3.5 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#100#100	GLM 5.2medium	8.2	Z.ai	$1.007 ↑	26.88s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.6 Tasa de aciertos por intento 81.2% Pruebas inestables 4 Tokens de entrada 227,164 Tokens de salida 20,029 Tokens de razonamiento 60,991 Tiempo de respuesta (promedio) 26.88s Tiempo de respuesta (total) 591.34s Tiempo de respuesta (máximo) 102.40s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#4#4	GPT-6.1 Solmax	9.9	OpenAI	$1.006	61.98s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 1 Fiabilidad 9.7 Tasa de aciertos por intento 95.7% Pruebas inestables 0 Tokens de entrada 183,607 Tokens de salida 5,741 Tokens de razonamiento 58,082 Tiempo de respuesta (promedio) 61.98s Tiempo de respuesta (total) 1425.65s Tiempo de respuesta (máximo) 960.01s Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#230#230	Grok 4.3medium	6.5	X AI	$0.989	44.53s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.8% Pruebas inestables 5 Tokens de entrada 325,471 Tokens de salida 14,867 Tokens de razonamiento 217,675 Tiempo de respuesta (promedio) 44.53s Tiempo de respuesta (total) 1024.25s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 3.9 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#3🥉 #3	GPT-6 Solhigh	9.9	OpenAI	$0.921	23.56s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 95.7% Pruebas inestables 0 Tokens de entrada 182,698 Tokens de salida 5,647 Tokens de razonamiento 49,872 Tiempo de respuesta (promedio) 23.56s Tiempo de respuesta (total) 541.85s Tiempo de respuesta (máximo) 136.22s Respuesta incorrecta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#256#256	Trinity Large Thinkinglow	6.3	Arcee AI	$0.918 ↑	95.16s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 47.8% Pruebas inestables 6 Tokens de entrada 347,980 Tokens de salida 121,898 Tokens de razonamiento 720,302 Tiempo de respuesta (promedio) 95.16s Tiempo de respuesta (total) 2188.74s Tiempo de respuesta (máximo) 540.96s Respuesta incorrecta: 7 No siguió las instrucciones: 3 Error de API: 2 Llamada de herramienta no válida: 2 Sin respuesta: 1 Tareas de agentes : 7.4 Trucos anti-IA : 8.3 Programación : 5.3 Combinado : 5.2 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 4.4 Resolución de acertijos : 6.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#77#77	Muse Spark 1.3low	8.5	Meta	$0.911	17.73s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 82.6% Pruebas inestables 5 Tokens de entrada 270,231 Tokens de salida 13,363 Tokens de razonamiento 121,332 Tiempo de respuesta (promedio) 17.73s Tiempo de respuesta (total) 407.75s Tiempo de respuesta (máximo) 78.72s Respuesta incorrecta: 4 Error de API: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#194#194	Claude Sonnet 5.5low	6.9	Anthropic	$0.909	7.46s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 46.4% Pruebas inestables 2 Tokens de entrada 291,853 Tokens de salida 24,116 Tokens de razonamiento 8,327 Tiempo de respuesta (promedio) 7.46s Tiempo de respuesta (total) 171.47s Tiempo de respuesta (máximo) 46.61s Formato extra: 5 No siguió las instrucciones: 5 Llamada de herramienta no válida: 1 Sin respuesta: 1 Respuesta incorrecta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 6.5 Programación : 3.2 Combinado : 7.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#1🥇 #1	Gemini 3.6 Flashhigh	9.9	Google	$0.900 ↓	18.93s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 98.6% Pruebas inestables 1 Tokens de entrada 238,080 Tokens de salida 4,211 Tokens de razonamiento 188,109 Tiempo de respuesta (promedio) 18.93s Tiempo de respuesta (total) 435.48s Tiempo de respuesta (máximo) 104.15s Respuesta incorrecta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 8.2 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#71#71	Muse Spark 1.1low	8.6	Meta	$0.885	13.21s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 72.5% Pruebas inestables 4 Tokens de entrada 291,368 Tokens de salida 13,469 Tokens de razonamiento 108,952 Tiempo de respuesta (promedio) 13.21s Tiempo de respuesta (total) 303.92s Tiempo de respuesta (máximo) 54.15s Respuesta incorrecta: 5 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 7.9 Programación : 10.0 Combinado : 6.6 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 8.3 Llamada de herramientas : 9.8 Cultura general : 3.0
#64#64	Muse Spark 1.2low	8.7	Meta	$0.881	11.81s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 78.3% Pruebas inestables 3 Tokens de entrada 254,914 Tokens de salida 10,303 Tokens de razonamiento 121,928 Tiempo de respuesta (promedio) 11.81s Tiempo de respuesta (total) 271.60s Tiempo de respuesta (máximo) 56.77s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Tareas de agentes : 10.0 Trucos anti-IA : 9.2 Programación : 8.4 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#103#103	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 8.9 Tasa de aciertos por intento 78.3% Pruebas inestables 6 Tokens de entrada 237,604 Tokens de salida 9,617 Tokens de razonamiento 244,190 Tiempo de respuesta (promedio) 73.02s Tiempo de respuesta (total) 1679.49s Tiempo de respuesta (máximo) 485.92s Respuesta incorrecta: 7 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 Programación : 7.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 9.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#15#15	Gemini 3 Flash Previewmedium	9.6	Google	$0.876	21.57s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 94.2% Pruebas inestables 1 Tokens de entrada 235,726 Tokens de salida 6,669 Tokens de razonamiento 245,867 Tiempo de respuesta (promedio) 21.57s Tiempo de respuesta (total) 496.12s Tiempo de respuesta (máximo) 117.26s Respuesta incorrecta: 2 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#267#267	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.862	84.01s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 49.3% Pruebas inestables 7 Tokens de entrada 319,352 Tokens de salida 158,447 Tokens de razonamiento 875,524 Tiempo de respuesta (promedio) 84.01s Tiempo de respuesta (total) 1932.24s Tiempo de respuesta (máximo) 525.14s Respuesta incorrecta: 9 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Tareas de agentes : 6.1 Trucos anti-IA : 6.8 Programación : 7.5 Combinado : 2.9 Análisis y extracción de datos : 6.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 4.4 Resolución de acertijos : 5.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#237#237	Kimi K2.5medium	6.4	Moonshot AI	$0.841 ↑	125.76s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 9.6 Tasa de aciertos por intento 60.9% Pruebas inestables 8 Tokens de entrada 292,271 Tokens de salida 55,025 Tokens de razonamiento 186,071 Tiempo de respuesta (promedio) 125.76s Tiempo de respuesta (total) 2137.84s Tiempo de respuesta (máximo) 566.79s Respuesta incorrecta: 5 Tiempo agotado: 3 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 3.9 Trucos anti-IA : 7.3 Programación : 6.1 Combinado : 6.7 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#223#223	Qwen3.6 35B A3Bmedium	6.5	Qwen	$0.834 ↑	59.92s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 58.0% Pruebas inestables 3 Tokens de entrada 282,192 Tokens de salida 75,306 Tokens de razonamiento 700,868 Tiempo de respuesta (promedio) 59.92s Tiempo de respuesta (total) 1258.32s Tiempo de respuesta (máximo) 817.57s Respuesta incorrecta: 6 Error de API: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 7.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#234#234	Beam 1.0 501B A23Bmax	6.4	Reflection	$0.799	11.10s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 56.5% Pruebas inestables 2 Tokens de entrada 199,105 Tokens de salida 4,274 Tokens de razonamiento 195,495 Tiempo de respuesta (promedio) 11.10s Tiempo de respuesta (total) 255.26s Tiempo de respuesta (máximo) 54.48s Respuesta incorrecta: 6 Error de API: 3 No siguió las instrucciones: 2 Tareas de agentes : 3.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 7.8 Llamada de herramientas : 3.0 Cultura general : 3.0

Tendencias globales del benchmark

Descubre cómo los modelos actuales equilibran puntuación, costo, velocidad, longitud de salida y rendimiento por categoría.

Gráficos →

Frontera de Pareto: inteligencia vs costo

Evolución de la mejor puntuación de las empresas líderes

Frontera de Pareto: inteligencia vs velocidad de respuesta

Frontera de Pareto: puntuación vs tokens de salida

Dificultad de las categorías entre modelos

Comparación rápida

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow