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: 2026-07-24 Modelos evaluados: 222

222/222

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#189#189	Ling-2.6-flashnone	4.9	Inclusionai	$0.002 ↑	10.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 2 Tokens de entrada 114,375 Tokens de salida 14,903 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.68s Tiempo de respuesta (total) 213.51s Tiempo de respuesta (máximo) 36.03s Respuesta incorrecta: 9 Llamada de herramienta no válida: 3 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 6.8 Programación : 5.3 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 2.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#190#190	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
#191#191	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
#193#193	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
#194#194	Trinity Large Previewnone	4.8	Arcee AI	$0.008 ↑	2.98s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 21.2% Pruebas inestables 2 Tokens de entrada 29,828 Tokens de salida 2,169 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.98s Tiempo de respuesta (total) 56.57s Tiempo de respuesta (máximo) 14.34s Respuesta incorrecta: 12 No siguió las instrucciones: 3 Error de API: 2 Trucos anti-IA : 3.1 Programación : 3.7 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.5 Seguimiento de instrucciones : 3.5 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#196#196	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
#197#197	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
#198#198	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
#199#199	Cobuddymedium	4.7	Baidu	$0.000	39.90s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% 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 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.7 Programación : 3.7 Combinado : 1.5 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
#200#200	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
#201#201	MiniMax M2.5medium	4.6	Minimax	$0.340 ↓	68.27s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 10 Tokens de entrada 142,561 Tokens de salida 125,442 Tokens de razonamiento 339,935 Tiempo de respuesta (promedio) 68.27s Tiempo de respuesta (total) 955.75s Tiempo de respuesta (máximo) 251.36s Respuesta incorrecta: 7 Tiempo agotado: 4 No siguió las instrucciones: 3 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 3.4 Combinado : 3.7 Análisis y extracción de datos : 4.6 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 7.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#202#202	Laguna S 2.1none	4.5	Poolside	$0.025	11.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 20 Fiabilidad 10.0 Tasa de aciertos por intento 15.2% Pruebas inestables 3 Tokens de entrada 125,598 Tokens de salida 57,634 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 11.67s Tiempo de respuesta (total) 256.80s Tiempo de respuesta (máximo) 200.52s Respuesta incorrecta: 18 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 3.1 Programación : 3.4 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 4.3 Resolución de acertijos : 3.1 Llamada de herramientas : 4.7 Cultura general : 3.0
#210#210	Laguna Xs.2medium	4.1	Poolside	$0.015 ↕	6.73s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 6 Tokens de entrada 39,481 Tokens de salida 54,218 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.73s Tiempo de respuesta (total) 100.98s Tiempo de respuesta (máximo) 29.11s Respuesta incorrecta: 6 Error de API: 4 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 2.1 Combinado : 1.5 Análisis y extracción de datos : 7.1 Específico del dominio : 4.1 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 4.7 Cultura general : 3.0
#211#211	Hy3 previewnone	4.0	Tencent	$0.003 ↕	12.92s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 22.7% Pruebas inestables 2 Tokens de entrada 27,172 Tokens de salida 2,661 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.92s Tiempo de respuesta (total) 232.64s Tiempo de respuesta (máximo) 35.84s Respuesta incorrecta: 8 Error de API: 4 No siguió las instrucciones: 4 Formato extra: 1 Trucos anti-IA : 4.8 Programación : 2.7 Combinado : 1.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.6 Inteligencia general : 4.1 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#213#213	Granite 4.1 8Bnone	4.0	IBM Granite	$0.007	1.45s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 20 Fiabilidad 10.0 Tasa de aciertos por intento 9.1% Pruebas inestables 0 Tokens de entrada 113,827 Tokens de salida 5,996 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.45s Tiempo de respuesta (total) 31.96s Tiempo de respuesta (máximo) 16.67s Respuesta incorrecta: 13 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Formato extra: 1 Trucos anti-IA : 4.9 Programación : 4.5 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 3.6 Resolución de acertijos : 3.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#214#214	Grok Build 0.1none	4.0	X AI	$0.547	28.69s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% 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 : 3.3 Combinado : 1.5 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
#215#215	Grok 4.1 Fastnone	3.8	X AI	$0.008 ↓	1.62s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 19.7% Pruebas inestables 3 Tokens de entrada 36,608 Tokens de salida 1,723 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.62s Tiempo de respuesta (total) 19.48s Tiempo de respuesta (máximo) 5.51s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Trucos anti-IA : 3.2 Programación : 1.8 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 3.0 Resolución de acertijos : 3.0 Llamada de herramientas : 2.8 Cultura general : 3.0
#217#217	Laguna Xs.2none	3.8	Poolside	$0.004 ↕	806ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 22.7% Pruebas inestables 0 Tokens de entrada 33,675 Tokens de salida 2,826 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 806ms Tiempo de respuesta (total) 12.09s Tiempo de respuesta (máximo) 2.01s Respuesta incorrecta: 8 Error de API: 4 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.0 Programación : 8.3 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#218#218	gpt-oss-120bnone	3.7	OpenAI	$0.010 ↓	21.61s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 2 Tokens de entrada 9,081 Tokens de salida 51,664 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 21.61s Tiempo de respuesta (total) 345.79s Tiempo de respuesta (máximo) 113.71s Respuesta incorrecta: 8 Error de API: 3 No siguió las instrucciones: 2 Trucos anti-IA : 6.5 Programación : 1.5 Combinado : 1.5 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#219#219	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.4	NVIDIA	$0.000	17.13s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 5 Tokens de entrada 11,661 Tokens de salida 48,491 Tokens de razonamiento 180,695 Tiempo de respuesta (promedio) 17.13s Tiempo de respuesta (total) 222.66s Tiempo de respuesta (máximo) 147.45s Respuesta incorrecta: 7 Error de API: 6 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.4 Programación : 1.1 Combinado : 1.5 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 3.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 2.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#220#220	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.2	NVIDIA	$0.000	728ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 15.2% Pruebas inestables 2 Tokens de entrada 11,661 Tokens de salida 1,302 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 728ms Tiempo de respuesta (total) 9.47s Tiempo de respuesta (máximo) 2.21s Respuesta incorrecta: 9 Error de API: 6 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 3.3 Combinado : 1.5 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 3.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#221#221	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
#22#22	Qwen3.6 Max Previewmedium	8.4	Qwen	$1.143 ↓	67.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.9 Tasa de aciertos por intento 80.3% Pruebas inestables 3 Tokens de entrada 79,240 Tokens de salida 5,098 Tokens de razonamiento 164,842 Tiempo de respuesta (promedio) 67.53s Tiempo de respuesta (total) 1485.64s Tiempo de respuesta (máximo) 238.07s Respuesta incorrecta: 5 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 7.3 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
#33#33	Step 3.7 Flashmedium	8.0	Stepfun	$0.515	26.37s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.9 Tasa de aciertos por intento 72.7% Pruebas inestables 3 Tokens de entrada 114,062 Tokens de salida 427,572 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 26.37s Tiempo de respuesta (total) 580.25s Tiempo de respuesta (máximo) 152.83s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#63#63	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.9 Tasa de aciertos por intento 68.2% Pruebas inestables 0 Tokens de entrada 95,983 Tokens de salida 12,446 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.52s Tiempo de respuesta (total) 99.52s Tiempo de respuesta (máximo) 72.30s Respuesta incorrecta: 7 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 6.5 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 : 3.0
#103#103	Qwen3.6 Max Previewnone	6.6	Qwen	$0.231 ↓	7.82s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.9 Tasa de aciertos por intento 60.6% Pruebas inestables 2 Tokens de entrada 106,339 Tokens de salida 19,257 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.82s Tiempo de respuesta (total) 172.01s Tiempo de respuesta (máximo) 102.62s Respuesta incorrecta: 10 Trucos anti-IA : 5.2 Programación : 3.8 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#130#130	Inklinglow	6.1	Thinkingmachines	$0.187	5.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 9.9 Tasa de aciertos por intento 54.6% Pruebas inestables 4 Tokens de entrada 109,884 Tokens de salida 8,579 Tokens de razonamiento 10,343 Tiempo de respuesta (promedio) 5.15s Tiempo de respuesta (total) 113.39s Tiempo de respuesta (máximo) 41.58s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 8.3 Programación : 5.1 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#149#149	Ling 3.0 Flashnone	5.7	Inclusionai	$0.000	3.46s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 9.9 Tasa de aciertos por intento 27.3% Pruebas inestables 0 Tokens de entrada 124,176 Tokens de salida 12,783 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.46s Tiempo de respuesta (total) 76.06s Tiempo de respuesta (máximo) 17.51s Respuesta incorrecta: 14 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 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 : 4.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#152#152	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
#157#157	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

←

1 5 6 7 8

→

Comparación rápida

Gemini 3.6 FlashmediumvsGemini 3.6 Flashhigh Gemini 3.6 FlashhighvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3.6 Flashlow Gemini 3.6 FlashlowvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium Gemini 3.5 FlashmediumvsGPT-5.5medium

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida