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)
#167#167	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
#169#169	Laguna S 2.1high	5.4	Poolside	$0.127	111.61s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 9.9 Tasa de aciertos por intento 27.3% Pruebas inestables 5 Tokens de entrada 208,931 Tokens de salida 175,588 Tokens de razonamiento 409,276 Tiempo de respuesta (promedio) 111.61s Tiempo de respuesta (total) 2455.39s Tiempo de respuesta (máximo) 1190.11s Respuesta incorrecta: 11 Llamada de herramienta no válida: 2 Sin respuesta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 5.3 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.6 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#174#174	Inklingnone	5.2	Thinkingmachines	$0.147	3.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 9.9 Tasa de aciertos por intento 28.8% Pruebas inestables 1 Tokens de entrada 104,111 Tokens de salida 10,551 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.50s Tiempo de respuesta (total) 77.09s Tiempo de respuesta (máximo) 48.02s Respuesta incorrecta: 13 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 4.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.6 Llamada de herramientas : 3.0 Cultura general : 3.0
#183#183	Laguna S 2.1low	5.0	Poolside	$0.091	85.35s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 9.9 Tasa de aciertos por intento 25.8% Pruebas inestables 6 Tokens de entrada 118,746 Tokens de salida 67,823 Tokens de razonamiento 383,885 Tiempo de respuesta (promedio) 85.35s Tiempo de respuesta (total) 1877.64s Tiempo de respuesta (máximo) 814.73s Respuesta incorrecta: 15 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 3.8 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 4.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#32#32	Inklinghigh	8.0	Thinkingmachines	$1.006	64.16s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.8 Tasa de aciertos por intento 77.3% Pruebas inestables 3 Tokens de entrada 86,746 Tokens de salida 6,055 Tokens de razonamiento 220,791 Tiempo de respuesta (promedio) 64.16s Tiempo de respuesta (total) 1411.59s Tiempo de respuesta (máximo) 327.51s Respuesta incorrecta: 4 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 8.5 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#36#36	Inklingmedium	8.0	Thinkingmachines	$0.391	16.21s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.8 Tasa de aciertos por intento 78.8% Pruebas inestables 5 Tokens de entrada 124,053 Tokens de salida 12,189 Tokens de razonamiento 53,597 Tiempo de respuesta (promedio) 16.21s Tiempo de respuesta (total) 356.54s Tiempo de respuesta (máximo) 85.12s Respuesta incorrecta: 4 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 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
#55#55	Nemotron 3 Ultramedium	7.5	NVIDIA	$0.504 ↕	32.21s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.8 Tasa de aciertos por intento 68.2% Pruebas inestables 4 Tokens de entrada 233,488 Tokens de salida 57,916 Tokens de razonamiento 128,062 Tiempo de respuesta (promedio) 32.21s Tiempo de respuesta (total) 708.65s Tiempo de respuesta (máximo) 392.56s Respuesta incorrecta: 7 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#64#64	LongCat 2.0medium	7.4	Meituan	$0.478	136.64s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.8 Tasa de aciertos por intento 60.6% Pruebas inestables 3 Tokens de entrada 97,315 Tokens de salida 44,384 Tokens de razonamiento 329,012 Tiempo de respuesta (promedio) 136.64s Tiempo de respuesta (total) 3006.01s Tiempo de respuesta (máximo) 939.52s Respuesta incorrecta: 7 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 7.3 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#166#166	Laguna S 2.1medium	5.4	Poolside	$0.059	58.43s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 9.8 Tasa de aciertos por intento 25.8% Pruebas inestables 4 Tokens de entrada 86,641 Tokens de salida 97,298 Tokens de razonamiento 242,297 Tiempo de respuesta (promedio) 58.43s Tiempo de respuesta (total) 1285.48s Tiempo de respuesta (máximo) 560.31s Respuesta incorrecta: 13 Llamada de herramienta no válida: 2 Sin respuesta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 5.3 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.2 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#204#204	Laguna M.1none	4.4	Poolside	$0.009 ↕	2.89s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 9.8 Tasa de aciertos por intento 27.3% Pruebas inestables 3 Tokens de entrada 38,147 Tokens de salida 2,054 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.89s Tiempo de respuesta (total) 43.28s Tiempo de respuesta (máximo) 15.42s Respuesta incorrecta: 10 Error de API: 4 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 2.5 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 3.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#51#51	MiniMax M3medium	7.6	Minimax	$0.286	74.98s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.7 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 121,990 Tokens de salida 77,916 Tokens de razonamiento 173,553 Tiempo de respuesta (promedio) 74.98s Tiempo de respuesta (total) 1574.56s Tiempo de respuesta (máximo) 431.03s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 5.5 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.5 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#74#74	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 42,097 Tokens de salida 2,280 Tokens de razonamiento 166,613 Tiempo de respuesta (promedio) 46.36s Tiempo de respuesta (total) 973.57s Tiempo de respuesta (máximo) 189.38s Respuesta incorrecta: 8 Tiempo agotado: 1 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
#96#96	LongCat 2.0low	6.7	Meituan	$0.391	100.31s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 9.6 Tasa de aciertos por intento 53.0% Pruebas inestables 3 Tokens de entrada 90,909 Tokens de salida 5,679 Tokens de razonamiento 297,369 Tiempo de respuesta (promedio) 100.31s Tiempo de respuesta (total) 2206.82s Tiempo de respuesta (máximo) 560.39s Respuesta incorrecta: 8 Error de API: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 3.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#116#116	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 69.7% Pruebas inestables 5 Tokens de entrada 40,961 Tokens de salida 2,518 Tokens de razonamiento 81,801 Tiempo de respuesta (promedio) 22.16s Tiempo de respuesta (total) 443.22s Tiempo de respuesta (máximo) 136.29s Respuesta incorrecta: 5 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 2.3 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#42#42	GLM 5.2medium	7.8	Z.ai	$0.183 ↓	23.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 9.5 Tasa de aciertos por intento 80.3% Pruebas inestables 4 Tokens de entrada 37,199 Tokens de salida 12,261 Tokens de razonamiento 49,500 Tiempo de respuesta (promedio) 23.28s Tiempo de respuesta (total) 488.94s Tiempo de respuesta (máximo) 101.36s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 1 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
#72#72	Kimi K2.6medium	7.2	Moonshot AI	$1.036 ↓	109.98s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.4 Tasa de aciertos por intento 63.6% Pruebas inestables 4 Tokens de entrada 68,902 Tokens de salida 111,680 Tokens de razonamiento 279,860 Tiempo de respuesta (promedio) 109.98s Tiempo de respuesta (total) 2309.56s Tiempo de respuesta (máximo) 876.20s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 7.0 Programación : 5.7 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#100#100	Gemma 4 26B A4Bmedium	6.6	Google	$0.096 ↑	103.83s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.4 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de entrada 77,550 Tokens de salida 28,036 Tokens de razonamiento 219,491 Tiempo de respuesta (promedio) 103.83s Tiempo de respuesta (total) 2180.47s Tiempo de respuesta (máximo) 912.19s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 2.9 Combinado : 6.3 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
#102#102	LongCat 2.0high	6.6	Meituan	$0.469	148.73s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 9.4 Tasa de aciertos por intento 53.0% Pruebas inestables 5 Tokens de entrada 93,357 Tokens de salida 30,466 Tokens de razonamiento 336,325 Tiempo de respuesta (promedio) 148.73s Tiempo de respuesta (total) 3272.00s Tiempo de respuesta (máximo) 941.66s Respuesta incorrecta: 6 Tiempo agotado: 3 No siguió las instrucciones: 2 Sin respuesta: 2 Trucos anti-IA : 8.9 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 5.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#114#114	Ling 3.0 Flashhigh	6.4	Inclusionai	$0.000	13.32s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.4 Tasa de aciertos por intento 63.6% Pruebas inestables 4 Tokens de entrada 132,224 Tokens de salida 92,393 Tokens de razonamiento 211,994 Tiempo de respuesta (promedio) 13.32s Tiempo de respuesta (total) 292.99s Tiempo de respuesta (máximo) 75.27s Respuesta incorrecta: 8 Llamada de herramienta no válida: 2 Trucos anti-IA : 10.0 Programación : 6.7 Combinado : 2.9 Análisis y extracción de datos : 7.3 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#137#137	Step 3.5 Flashmedium	6.0	Stepfun	$0.108 ↑	174.22s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 9.2 Tasa de aciertos por intento 51.5% Pruebas inestables 1 Tokens de entrada 65,707 Tokens de salida 108,561 Tokens de razonamiento 293,993 Tiempo de respuesta (promedio) 174.22s Tiempo de respuesta (total) 2613.32s Tiempo de respuesta (máximo) 1597.85s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 2.4 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#37#37	Kimi K3max	8.0	Moonshot AI	$3.112	122.48s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.1 Tasa de aciertos por intento 75.8% Pruebas inestables 1 Tokens de entrada 34,916 Tokens de salida 2,910 Tokens de razonamiento 197,529 Tiempo de respuesta (promedio) 122.48s Tiempo de respuesta (total) 2327.06s Tiempo de respuesta (máximo) 766.58s Error de API: 2 Tiempo agotado: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 7.3 Específico del dominio : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#147#147	Nemotron 3 Supermedium	5.7	NVIDIA	$0.055 ↑	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
#181#181	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 8.7 Tasa de aciertos por intento 18.2% Pruebas inestables 0 Tokens de entrada 130,492 Tokens de salida 26,786 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 29.95s Tiempo de respuesta (total) 658.82s Tiempo de respuesta (máximo) 159.85s Respuesta incorrecta: 12 Formato extra: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.0 Programación : 3.9 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.5 Llamada de herramientas : 9.5 Cultura general : 3.0
#144#144	North Mini Codemedium	5.9	Cohere	$0.000	137.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 8.6 Tasa de aciertos por intento 48.5% Pruebas inestables 4 Tokens de entrada 81,813 Tokens de salida 424,772 Tokens de razonamiento 1,342,029 Tiempo de respuesta (promedio) 137.11s Tiempo de respuesta (total) 3016.42s Tiempo de respuesta (máximo) 786.72s Respuesta incorrecta: 9 Formato extra: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.4 Programación : 4.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#84#84	Seed-2.0-Minimedium	7.0	Bytedance Seed	$0.101	92.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 8.5 Tasa de aciertos por intento 57.6% Pruebas inestables 3 Tokens de entrada 125,467 Tokens de salida 10,778 Tokens de razonamiento 209,856 Tiempo de respuesta (promedio) 92.53s Tiempo de respuesta (total) 1665.50s Tiempo de respuesta (máximo) 301.78s Tiempo agotado: 5 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.6 Programación : 5.5 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#188#188	Nemotron 3 Supernone	4.9	NVIDIA	$0.008 ↑	5.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 8.5 Tasa de aciertos por intento 30.3% Pruebas inestables 3 Tokens de entrada 63,519 Tokens de salida 6,434 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.97s Tiempo de respuesta (total) 131.31s Tiempo de respuesta (máximo) 20.00s Respuesta incorrecta: 15 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 3.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#78#78	GLM 5.1medium	7.1	Z.ai	$0.535 ↓	46.77s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 8.3 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 82,623 Tokens de salida 16,089 Tokens de razonamiento 136,463 Tiempo de respuesta (promedio) 46.77s Tiempo de respuesta (total) 982.16s Tiempo de respuesta (máximo) 308.75s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.6 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 8.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#206#206	GLM 4.7 Flashmedium	4.3	Z.ai	$0.166	142.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 7.8 Tasa de aciertos por intento 31.8% Pruebas inestables 8 Tokens de entrada 79,051 Tokens de salida 43,754 Tokens de razonamiento 374,109 Tiempo de respuesta (promedio) 142.59s Tiempo de respuesta (total) 1996.21s Tiempo de respuesta (máximo) 1539.97s Respuesta incorrecta: 9 Sin respuesta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Tiempo agotado: 2 Trucos anti-IA : 4.7 Programación : 3.2 Combinado : 2.9 Análisis y extracción de datos : 6.3 Específico del dominio : 3.5 Inteligencia general : 3.6 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#212#212	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
#216#216	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

←

1 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