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)
#131#131	Muse Wonderhigh	7.7	Meta	$3.426	22.96s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.3 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 94,153 Tokens de salida 9,606 Tokens de razonamiento 142,834 Tiempo de respuesta (promedio) 22.96s Tiempo de respuesta (total) 528.08s Tiempo de respuesta (máximo) 143.21s Error de API: 6 Respuesta incorrecta: 2 Tareas de agentes : 3.0 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 9.8 Cultura general : 2.8
#132#132	GPT-6 Lunahigh	7.7	OpenAI	$0.074	20.37s
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 229,986 Tokens de salida 6,037 Tokens de razonamiento 95,550 Tiempo de respuesta (promedio) 20.37s Tiempo de respuesta (total) 468.52s Tiempo de respuesta (máximo) 106.93s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.2 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#140#140	Qwen3.8 Flash Nextmedium	7.6	Qwen	~$0.047	24.79s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 6 Tokens de entrada 278,792 Tokens de salida 1,695 Tokens de razonamiento 142,270 Tiempo de respuesta (promedio) 24.79s Tiempo de respuesta (total) 570.26s Tiempo de respuesta (máximo) 159.62s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#142#142	Qwen3.8 27Blow	7.6	Qwen	~$0.089	46.60s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 1 Tokens de entrada 315,290 Tokens de salida 1,607 Tokens de razonamiento 207,536 Tiempo de respuesta (promedio) 46.60s Tiempo de respuesta (total) 1071.83s Tiempo de respuesta (máximo) 376.04s Respuesta incorrecta: 5 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 7.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#156#156	Inklingmedium	7.4	Thinkingmachines	$0.527 ↓	16.98s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 5 Tokens de entrada 257,138 Tokens de salida 13,830 Tokens de razonamiento 55,775 Tiempo de respuesta (promedio) 16.98s Tiempo de respuesta (total) 390.45s Tiempo de respuesta (máximo) 85.12s Respuesta incorrecta: 5 Llamada de herramienta no válida: 2 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 8.7 Programación : 8.4 Combinado : 7.3 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 : 3.0 Cultura general : 2.8
#159#159	Claude Fable 5.1medium	7.3	Anthropic	$3.197	11.87s
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 157,142 Tokens de salida 8,149 Tokens de razonamiento 24,357 Tiempo de respuesta (promedio) 11.87s Tiempo de respuesta (total) 272.91s Tiempo de respuesta (máximo) 36.59s Respuesta incorrecta: 3 Sin respuesta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 3.0 Trucos anti-IA : 8.2 Programación : 7.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 2.8
#160#160	Grok 4.7medium	7.3	X AI	$2.938	117.65s
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 326,066 Tokens de salida 5,726 Tokens de razonamiento 469,019 Tiempo de respuesta (promedio) 117.65s Tiempo de respuesta (total) 2706.03s Tiempo de respuesta (máximo) 660.89s Respuesta incorrecta: 5 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 3.9 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#161#161	Gemini 2.5 Flashmedium	7.3	Google	$0.680 ↑	20.51s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 1 Tokens de entrada 132,507 Tokens de salida 12,739 Tokens de razonamiento 228,626 Tiempo de respuesta (promedio) 20.51s Tiempo de respuesta (total) 471.64s Tiempo de respuesta (máximo) 140.50s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Tareas de agentes : 3.0 Trucos anti-IA : 8.4 Programación : 7.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#163#163	Qwen3.6 Plusmedium	7.3	Qwen	$0.554 ↑	57.41s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.6% Pruebas inestables 3 Tokens de entrada 222,601 Tokens de salida 8,185 Tokens de razonamiento 238,605 Tiempo de respuesta (promedio) 57.41s Tiempo de respuesta (total) 1263.02s Tiempo de respuesta (máximo) 307.08s Respuesta incorrecta: 6 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 4.7 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#187#187	Grok 4.6low	6.9	X AI	$0.781	16.44s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 263,427 Tokens de salida 6,006 Tokens de razonamiento 36,309 Tiempo de respuesta (promedio) 16.44s Tiempo de respuesta (total) 378.14s Tiempo de respuesta (máximo) 57.97s Respuesta incorrecta: 8 Tareas de agentes : 5.0 Trucos anti-IA : 10.0 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#199#199	Mercury 2.5 Previewmedium	6.8	Inception	$0.039 ↑	6.66s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 397,291 Tokens de salida 6,355 Tokens de razonamiento 143,752 Tiempo de respuesta (promedio) 6.66s Tiempo de respuesta (total) 153.29s Tiempo de respuesta (máximo) 74.63s Respuesta incorrecta: 4 Error de API: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 3.9 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#236#236	Claude Sonnet 4.6medium	6.4	Anthropic	$2.126	28.08s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 62.3% Pruebas inestables 1 Tokens de entrada 106,316 Tokens de salida 79,338 Tokens de razonamiento 41,089 Tiempo de respuesta (promedio) 28.08s Tiempo de respuesta (total) 421.15s Tiempo de respuesta (máximo) 140.96s Respuesta incorrecta: 4 Formato extra: 3 Tiempo agotado: 1 Tareas de agentes : 0.0 Trucos anti-IA : 6.5 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#67#67	MiMo-V2.6-Promedium	8.7	Xiaomi	$0.586	148.11s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 9.5 Tasa de aciertos por intento 78.3% Pruebas inestables 7 Tokens de entrada 298,476 Tokens de salida 7,762 Tokens de razonamiento 515,918 Tiempo de respuesta (promedio) 148.11s Tiempo de respuesta (total) 3406.53s Tiempo de respuesta (máximo) 904.91s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 7.3 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 8.4 Llamada de herramientas : 10.0 Cultura general : 2.8
#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
#84#84	Muse Glimmer 30Bxhigh	8.4	Meta	$0.585 ↓	97.70s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 9.9 Tasa de aciertos por intento 71.0% Pruebas inestables 4 Tokens de entrada 287,538 Tokens de salida 118,266 Tokens de razonamiento 346,758 Tiempo de respuesta (promedio) 97.70s Tiempo de respuesta (total) 2247.18s Tiempo de respuesta (máximo) 576.79s Respuesta incorrecta: 4 Sin respuesta: 3 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#102#102	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.271	48.87s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 4 Tokens de entrada 229,530 Tokens de salida 13,757 Tokens de razonamiento 92,662 Tiempo de respuesta (promedio) 48.87s Tiempo de respuesta (total) 1123.91s Tiempo de respuesta (máximo) 254.92s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Sin respuesta: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 8.0 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 6.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 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
#106#106	DeepSeek V4 Flash 0423high	8.1	DeepSeek	$0.261 ↑	55.99s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 4 Tokens de entrada 298,794 Tokens de salida 45,873 Tokens de razonamiento 188,721 Tiempo de respuesta (promedio) 55.99s Tiempo de respuesta (total) 1287.87s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#109#109	Nemotron 3 Ultramedium	8.0	NVIDIA	$0.674 ↕	40.33s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 9.8 Tasa de aciertos por intento 68.1% Pruebas inestables 3 Tokens de entrada 482,754 Tokens de salida 62,455 Tokens de razonamiento 141,067 Tiempo de respuesta (promedio) 40.33s Tiempo de respuesta (total) 927.65s Tiempo de respuesta (máximo) 392.56s Respuesta incorrecta: 7 Error de API: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#113#113	GPT-5.6 Terralow	7.9	OpenAI	$0.435 ↓	7.58s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 6 Tokens de entrada 176,890 Tokens de salida 5,688 Tokens de razonamiento 18,525 Tiempo de respuesta (promedio) 7.58s Tiempo de respuesta (total) 174.39s Tiempo de respuesta (máximo) 54.57s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 6.6 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 4.7 Cultura general : 3.0
#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
#125#125	GLM 5.3high	7.8	Z.ai	$0.495 ↓	28.38s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 7 Tokens de entrada 219,811 Tokens de salida 8,811 Tokens de razonamiento 59,671 Tiempo de respuesta (promedio) 28.38s Tiempo de respuesta (total) 652.78s Tiempo de respuesta (máximo) 159.91s Respuesta incorrecta: 6 Formato extra: 2 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#134#134	Nemotron 3.5 Super VLmedium	7.7	NVIDIA	$0.437	84.94s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 9.8 Tasa de aciertos por intento 72.5% Pruebas inestables 5 Tokens de entrada 269,143 Tokens de salida 6,833 Tokens de razonamiento 785,200 Tiempo de respuesta (promedio) 84.94s Tiempo de respuesta (total) 1953.70s Tiempo de respuesta (máximo) 527.47s Respuesta incorrecta: 4 Sin respuesta: 3 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#136#136	Qwen3.5 Plus 2026-04-20medium	7.7	Qwen	$0.435 ↓	54.06s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 9.7 Tasa de aciertos por intento 65.2% Pruebas inestables 2 Tokens de entrada 176,539 Tokens de salida 4,419 Tokens de razonamiento 195,929 Tiempo de respuesta (promedio) 54.06s Tiempo de respuesta (total) 1189.36s Tiempo de respuesta (máximo) 203.01s Respuesta incorrecta: 8 Tiempo agotado: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.9 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#139#139	Muse Wonderxhigh	7.7	Meta	$4.012	34.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 9.1 Tasa de aciertos por intento 65.2% Pruebas inestables 2 Tokens de entrada 93,060 Tokens de salida 10,305 Tokens de razonamiento 171,683 Tiempo de respuesta (promedio) 34.40s Tiempo de respuesta (total) 791.16s Tiempo de respuesta (máximo) 236.64s Error de API: 6 Respuesta incorrecta: 3 Tareas de agentes : 3.0 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 2.8

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