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)
#172#172	GLM 5medium	7.2	Z.ai	$0.479 ↑	39.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 5 Tokens de entrada 212,440 Tokens de salida 22,922 Tokens de razonamiento 115,335 Tiempo de respuesta (promedio) 39.05s Tiempo de respuesta (total) 546.68s Tiempo de respuesta (máximo) 110.70s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 4.7 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 5.0 Análisis y extracción de datos : 7.1 Específico del dominio : 3.5 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#261#261	GLM 5 Turbomedium	6.2	Z.ai	$0.323 ↑	23.00s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 4 Tokens de entrada 35,593 Tokens de salida 12,245 Tokens de razonamiento 62,277 Tiempo de respuesta (promedio) 23.00s Tiempo de respuesta (total) 482.97s Tiempo de respuesta (máximo) 194.23s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 0.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#321#321	Hy3 previewmedium	5.3	Tencent	$0.049 ↕	16.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 60.9% 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 Tareas de agentes : 0.0 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
#350#350	Gemini 3 PRO Previewmedium	4.9	Google	$0.385 ↑	9.05s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad N/D Tasa de aciertos por intento 60.9% Pruebas inestables 0 Tokens de entrada 28,848 Tokens de salida 1,490 Tokens de razonamiento 10,102 Tiempo de respuesta (promedio) 9.05s Tiempo de respuesta (total) 90.53s Tiempo de respuesta (máximo) 26.24s Error de API: 4 Respuesta incorrecta: 3 Tareas de agentes : 0.0 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 1.5 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 : 10.0 Cultura general : 3.0
#54#54	Muse Spark 1.2high	8.9	Meta	$2.018	28.15s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.9 Tasa de aciertos por intento 75.4% Pruebas inestables 5 Tokens de entrada 277,967 Tokens de salida 9,240 Tokens de razonamiento 383,606 Tiempo de respuesta (promedio) 28.15s Tiempo de respuesta (total) 647.40s Tiempo de respuesta (máximo) 192.00s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 7.1 Programación : 10.0 Combinado : 8.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#55#55	Muse Spark 1.2medium	8.9	Meta	$1.590	21.28s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 4 Tokens de entrada 292,604 Tokens de salida 9,569 Tokens de razonamiento 278,408 Tiempo de respuesta (promedio) 21.28s Tiempo de respuesta (total) 489.46s Tiempo de respuesta (máximo) 142.49s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 7.3 Programación : 10.0 Combinado : 8.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#58#58	Pareto 26.9default	8.9	Unbiased	$1.864	28.26s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 79.7% Pruebas inestables 6 Tokens de entrada 218,199 Tokens de salida 175,696 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 28.26s Tiempo de respuesta (total) 649.90s Tiempo de respuesta (máximo) 151.76s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 7.5 Programación : 10.0 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 2.8
#61#61	Muse Spark Openmedium	8.8	Meta	$1.260	77.44s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.8 Tasa de aciertos por intento 78.3% Pruebas inestables 5 Tokens de entrada 256,646 Tokens de salida 10,490 Tokens de razonamiento 210,325 Tiempo de respuesta (promedio) 77.44s Tiempo de respuesta (total) 1781.16s Tiempo de respuesta (máximo) 643.19s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 6.9 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 8.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#65#65	GPT-5.2medium	8.7	OpenAI	$1.558 ↑	31.29s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 73.9% Pruebas inestables 4 Tokens de entrada 235,207 Tokens de salida 11,065 Tokens de razonamiento 69,473 Tiempo de respuesta (promedio) 31.29s Tiempo de respuesta (total) 531.98s Tiempo de respuesta (máximo) 116.86s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 6.5 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#70#70	DeepSeek V4.1 Flashmax	8.6	DeepSeek	$1.204 ↑	61.58s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.4 Tasa de aciertos por intento 69.6% Pruebas inestables 2 Tokens de entrada 414,054 Tokens de salida 7,635 Tokens de razonamiento 900,536 Tiempo de respuesta (promedio) 61.58s Tiempo de respuesta (total) 1416.24s Tiempo de respuesta (máximo) 335.08s Respuesta incorrecta: 6 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#81#81	Nemotron 3.5 Super VLhigh	8.4	NVIDIA	$0.349	49.88s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.9 Tasa de aciertos por intento 82.6% Pruebas inestables 6 Tokens de entrada 296,001 Tokens de salida 8,105 Tokens de razonamiento 600,178 Tiempo de respuesta (promedio) 49.88s Tiempo de respuesta (total) 1147.24s Tiempo de respuesta (máximo) 310.51s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Sin respuesta: 2 Error de API: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.5 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#88#88	DeepSeek V4 Flash 0731high	8.4	DeepSeek	$0.576 ↑	118.83s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 5 Tokens de entrada 281,863 Tokens de salida 24,535 Tokens de razonamiento 507,976 Tiempo de respuesta (promedio) 118.83s Tiempo de respuesta (total) 2733.01s Tiempo de respuesta (máximo) 600.61s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 Programación : 6.3 Combinado : 10.0 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
#89#89	GLM 5.2high	8.4	Z.ai	$4.632 ↑	69.11s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 3 Tokens de entrada 288,913 Tokens de salida 79,462 Tokens de razonamiento 303,120 Tiempo de respuesta (promedio) 69.11s Tiempo de respuesta (total) 1589.43s Tiempo de respuesta (máximo) 599.43s Respuesta incorrecta: 5 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 6.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#90#90	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.6% Pruebas inestables 2 Tokens de entrada 197,239 Tokens de salida 6,083 Tokens de razonamiento 53,982 Tiempo de respuesta (promedio) 13.62s Tiempo de respuesta (total) 313.21s Tiempo de respuesta (máximo) 91.49s Respuesta incorrecta: 7 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 7.6 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#91#91	Claude Haiku 5.5high	8.3	Anthropic	$0.088	10.41s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 4 Tokens de entrada 346,451 Tokens de salida 10,136 Tokens de razonamiento 95,504 Tiempo de respuesta (promedio) 10.41s Tiempo de respuesta (total) 239.38s Tiempo de respuesta (máximo) 52.61s Respuesta incorrecta: 4 Formato extra: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#94#94	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 73.9% Pruebas inestables 3 Tokens de entrada 203,193 Tokens de salida 5,751 Tokens de razonamiento 47,410 Tiempo de respuesta (promedio) 18.07s Tiempo de respuesta (total) 415.53s Tiempo de respuesta (máximo) 66.44s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#96#96	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 71.0% Pruebas inestables 3 Tokens de entrada 369,495 Tokens de salida 172,852 Tokens de razonamiento 476,002 Tiempo de respuesta (promedio) 88.74s Tiempo de respuesta (total) 2041.10s Tiempo de respuesta (máximo) 567.88s Sin respuesta: 4 Respuesta incorrecta: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.6 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 2.8 Cultura general : 3.0
#98#98	Gemini 4 Argonlow	8.2	Google	$0.438	5.72s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.8 Tasa de aciertos por intento 79.7% Pruebas inestables 6 Tokens de entrada 188,162 Tokens de salida 6,097 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.72s Tiempo de respuesta (total) 131.67s Tiempo de respuesta (máximo) 60.87s Respuesta incorrecta: 5 Error de API: 2 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 4.7 Cultura general : 3.0
#101#101	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 2 Tokens de entrada 172,507 Tokens de salida 5,824 Tokens de razonamiento 27,365 Tiempo de respuesta (promedio) 8.93s Tiempo de respuesta (total) 205.39s Tiempo de respuesta (máximo) 54.74s Respuesta incorrecta: 8 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#107#107	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.494 ↑	28.04s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 73.9% Pruebas inestables 4 Tokens de entrada 266,849 Tokens de salida 8,284 Tokens de razonamiento 363,263 Tiempo de respuesta (promedio) 28.04s Tiempo de respuesta (total) 645.03s Tiempo de respuesta (máximo) 149.84s Respuesta incorrecta: 7 Error de API: 1 Tareas de agentes : 6.1 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#108#108	GPT-5.6 Lunahigh	8.0	OpenAI	$0.118 ↓	18.39s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 4 Tokens de entrada 197,896 Tokens de salida 6,211 Tokens de razonamiento 133,184 Tiempo de respuesta (promedio) 18.39s Tiempo de respuesta (total) 422.93s Tiempo de respuesta (máximo) 111.09s Respuesta incorrecta: 8 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#112#112	Qwen3.8 Flash Nextlow	8.0	Qwen	~$0.045	23.66s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 79.7% Pruebas inestables 6 Tokens de entrada 342,163 Tokens de salida 1,518 Tokens de razonamiento 133,777 Tiempo de respuesta (promedio) 23.66s Tiempo de respuesta (total) 544.16s Tiempo de respuesta (máximo) 166.72s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#115#115	GLM 5.3 FlashXmax	7.9	Z.ai	$0.623	43.97s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 78.3% Pruebas inestables 6 Tokens de entrada 322,894 Tokens de salida 8,010 Tokens de razonamiento 394,755 Tiempo de respuesta (promedio) 43.97s Tiempo de respuesta (total) 1011.29s Tiempo de respuesta (máximo) 390.70s Llamada de herramienta no válida: 2 Sin respuesta: 2 Respuesta incorrecta: 2 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#120#120	Qwen3.8 2.4T A95Bhigh	7.9	Qwen	$2.949 ↑	120.88s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 75.4% Pruebas inestables 4 Tokens de entrada 295,642 Tokens de salida 115,041 Tokens de razonamiento 353,398 Tiempo de respuesta (promedio) 120.88s Tiempo de respuesta (total) 2780.16s Tiempo de respuesta (máximo) 532.28s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#123#123	Ling 3.1 Flashhigh	7.9	Inclusionai	$0.000	87.39s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.8 Tasa de aciertos por intento 69.6% Pruebas inestables 2 Tokens de entrada 324,691 Tokens de salida 181,251 Tokens de razonamiento 506,441 Tiempo de respuesta (promedio) 87.39s Tiempo de respuesta (total) 2010.08s Tiempo de respuesta (máximo) 665.85s Sin respuesta: 4 Respuesta incorrecta: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 2.8 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