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)
#145#145	GLM 5V Turbonone	5.6	Z.ai	$0.052	2.99s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 36.4% Pruebas inestables 0 Tokens de entrada 37,100 Tokens de salida 1,766 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.99s Tiempo de respuesta (total) 62.74s Tiempo de respuesta (máximo) 6.51s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 1.5 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
#140#140	Nemotron 3 Supermedium	5.7	NVIDIA	$0.050 ↑	51.99s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 8.7 Tasa de aciertos por intento 40.9% Pruebas inestables 3 Tokens de entrada 81,429 Tokens de salida 18,371 Tokens de razonamiento 98,853 Tiempo de respuesta (promedio) 51.99s Tiempo de respuesta (total) 1039.89s Tiempo de respuesta (máximo) 431.98s Respuesta incorrecta: 5 Error de API: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 8.3 Programación : 3.1 Combinado : 6.4 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
#149#149	KAT-Coder-Air V2.5medium	5.6	Kwaipilot	$0.048	8.42s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 14 Fiabilidad 9.9 Tasa de aciertos por intento 45.5% Pruebas inestables 3 Tokens de entrada 51,472 Tokens de salida 7,822 Tokens de razonamiento 58,352 Tiempo de respuesta (promedio) 8.42s Tiempo de respuesta (total) 185.24s Tiempo de respuesta (máximo) 48.19s Respuesta incorrecta: 11 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 3.6 Combinado : 6.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#135#135	Hy3 previewhigh	5.9	Tencent	$0.048 ↕	56.57s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% Pruebas inestables 2 Tokens de entrada 25,987 Tokens de salida 216,719 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 56.57s Tiempo de respuesta (total) 848.59s Tiempo de respuesta (máximo) 149.94s Error de API: 7 Respuesta incorrecta: 3 Trucos anti-IA : 6.4 Programación : 5.3 Combinado : 5.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#120#120	Gemini 3.1 Flash Liteminimal	6.1	Google	$0.047	1.86s
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 119,065 Tokens de salida 11,118 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.86s Tiempo de respuesta (total) 40.88s Tiempo de respuesta (máximo) 12.97s Respuesta incorrecta: 8 No siguió las instrucciones: 3 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#170#170	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 2 Tokens de entrada 32,525 Tokens de salida 1,815 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.82s Tiempo de respuesta (total) 59.29s Tiempo de respuesta (máximo) 8.21s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Trucos anti-IA : 3.0 Programación : 3.9 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#122#122	Gemini 3.1 Flash Litenone	6.1	Google	$0.046	1.75s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 4 Tokens de entrada 118,050 Tokens de salida 10,723 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.75s Tiempo de respuesta (total) 38.60s Tiempo de respuesta (máximo) 16.25s Respuesta incorrecta: 11 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 7.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#147#147	Mimo V2 PROnone	5.6	Xiaomi	$0.045 ↓	2.27s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 39.4% 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 Error de API: 1 Trucos anti-IA : 3.5 Programación : 5.5 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 : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#111#111	LongCat 2.0none	6.3	Meituan	$0.044	5.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 36.4% Pruebas inestables 2 Tokens de entrada 108,743 Tokens de salida 9,372 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.18s Tiempo de respuesta (total) 113.95s Tiempo de respuesta (máximo) 48.38s Respuesta incorrecta: 14 Formato extra: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 4.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#150#150	DeepSeek V4 Flashnone	5.6	DeepSeek	$0.044 ↓	36.78s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 31.8% Pruebas inestables 4 Tokens de entrada 240,221 Tokens de salida 100,727 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 36.78s Tiempo de respuesta (total) 809.09s Tiempo de respuesta (máximo) 247.27s Respuesta incorrecta: 12 Formato extra: 2 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 3.0 Programación : 4.2 Combinado : 4.6 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#113#113	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 3 Tokens de entrada 40,111 Tokens de salida 12,476 Tokens de razonamiento 125,039 Tiempo de respuesta (promedio) 20.11s Tiempo de respuesta (total) 301.59s Tiempo de respuesta (máximo) 96.01s Respuesta incorrecta: 5 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 8.1 Programación : 6.0 Combinado : 4.9 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#45#45	DeepSeek V4 Flashhigh	7.7	DeepSeek	$0.042 ↓	49.75s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 5 Tokens de entrada 108,392 Tokens de salida 14,478 Tokens de razonamiento 153,687 Tiempo de respuesta (promedio) 49.75s Tiempo de respuesta (total) 1094.41s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#158#158	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.041	10.09s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 9.9 Tasa de aciertos por intento 45.5% Pruebas inestables 7 Tokens de entrada 61,085 Tokens de salida 5,905 Tokens de razonamiento 46,990 Tiempo de respuesta (promedio) 10.09s Tiempo de respuesta (total) 222.03s Tiempo de respuesta (máximo) 86.23s Respuesta incorrecta: 7 Formato extra: 4 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 7.3 Programación : 3.5 Combinado : 6.4 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#180#180	GPT-5.4 Nanonone	4.8	OpenAI	$0.041	2.57s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 28.8% Pruebas inestables 5 Tokens de entrada 115,924 Tokens de salida 13,794 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.57s Tiempo de respuesta (total) 56.51s Tiempo de respuesta (máximo) 25.50s Respuesta incorrecta: 15 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 3.5 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#141#141	GLM 5none	5.7	Z.ai	$0.041 ↑	4.03s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 42.4% Pruebas inestables 1 Tokens de entrada 37,135 Tokens de salida 1,989 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.03s Tiempo de respuesta (total) 56.37s Tiempo de respuesta (máximo) 11.07s Respuesta incorrecta: 12 Trucos anti-IA : 4.8 Programación : 4.0 Combinado : 1.5 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
#204#204	Qwen3.5-9Bmedium	3.8	Qwen	$0.036 ↑	82.24s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 5.0 Tasa de aciertos por intento 25.8% Pruebas inestables 5 Tokens de entrada 17,070 Tokens de salida 29,045 Tokens de razonamiento 209,516 Tiempo de respuesta (promedio) 82.24s Tiempo de respuesta (total) 1315.88s Tiempo de respuesta (máximo) 226.38s Tiempo agotado: 12 Sin respuesta: 2 Respuesta incorrecta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 5.1 Programación : 2.9 Combinado : 3.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 2.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#115#115	Gemma 4 31Bnone	6.2	Google	$0.035 ↑	5.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 48.5% Pruebas inestables 1 Tokens de entrada 125,728 Tokens de salida 13,317 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.34s Tiempo de respuesta (total) 106.82s Tiempo de respuesta (máximo) 29.95s Respuesta incorrecta: 9 Error de API: 2 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 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 : 6.5 Resolución de acertijos : 6.5 Llamada de herramientas : 3.0 Cultura general : 3.0
#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
#187#187	Qwen3 Coder Nextmedium	4.7	Qwen	$0.032 ↓	9.61s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 3 Tokens de entrada 148,194 Tokens de salida 19,069 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.61s Tiempo de respuesta (total) 153.69s Tiempo de respuesta (máximo) 81.80s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 3.5 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 6.3 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#189#189	Mercury 2none	4.6	Inception	$0.030	829ms
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 22.7% Pruebas inestables 2 Tokens de entrada 88,704 Tokens de salida 9,564 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 829ms Tiempo de respuesta (total) 18.24s Tiempo de respuesta (máximo) 4.52s Respuesta incorrecta: 17 No siguió las instrucciones: 1 Trucos anti-IA : 3.0 Programación : 3.4 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#179#179	Ring-2.6-1Tnone	4.8	Inclusionai	$0.026 ↕	55.10s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% 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 Error de API: 6 Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 9.2 Programación : 5.3 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
#168#168	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 25.8% Pruebas inestables 1 Tokens de entrada 141,043 Tokens de salida 16,464 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.62s Tiempo de respuesta (total) 101.57s Tiempo de respuesta (máximo) 55.36s Respuesta incorrecta: 14 Formato extra: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#200#200	MiMo-V2-Flashnone	4.0	Xiaomi	$0.025 ↑	2.76s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 6.7 Tasa de aciertos por intento 24.2% Pruebas inestables 4 Tokens de entrada 36,851 Tokens de salida 68,882 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.76s Tiempo de respuesta (total) 46.99s Tiempo de respuesta (máximo) 19.68s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Error de API: 1 Formato extra: 1 Trucos anti-IA : 3.2 Programación : 4.3 Combinado : 1.5 Análisis y extracción de datos : 2.9 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
#166#166	Qwen3 Coder Nextnone	5.1	Qwen	$0.025 ↓	9.12s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 25.8% Pruebas inestables 1 Tokens de entrada 134,218 Tokens de salida 11,808 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.12s Tiempo de respuesta (total) 145.94s Tiempo de respuesta (máximo) 45.14s Respuesta incorrecta: 14 Formato extra: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 3.6 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#165#165	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 25.8% Pruebas inestables 1 Tokens de entrada 104,708 Tokens de salida 9,812 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.20s Tiempo de respuesta (total) 26.38s Tiempo de respuesta (máximo) 13.16s Respuesta incorrecta: 16 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#157#157	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
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 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 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.6 Programación : 4.4 Combinado : 1.5 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
#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
#209#209	Step 3.5 Flashnone	2.3	Stepfun	$0.020	39.03s
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 0 Tokens de entrada 1,971 Tokens de salida 64,795 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 39.03s Tiempo de respuesta (total) 312.26s Tiempo de respuesta (máximo) 114.12s Error de API: 4 No siguió las instrucciones: 1 Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 9.8 Combinado : 1.5 Análisis y extracción de datos : 1.5 Específico del dominio : 3.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 5.0 Resolución de acertijos : 0.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#121#121	gpt-oss-120bmedium	6.1	OpenAI	$0.019 ↓	21.91s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 5 Tokens de entrada 108,747 Tokens de salida 29,772 Tokens de razonamiento 68,044 Tiempo de respuesta (promedio) 21.91s Tiempo de respuesta (total) 328.70s Tiempo de respuesta (máximo) 68.16s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.7 Programación : 5.9 Combinado : 6.5 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
#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

←

1 2 3 4 5 6 7

→

Comparación rápida

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida