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: 2026-09-04 Modelos evaluados: 316

Modelos recomendados

GPT-5.6 Sol high Inteligente Tasa de aciertos por intento 89.4% Pruebas correctas 18 / 22 Puntuación 9.4/10 GPT-5.6 Luna medium Rápido Tiempo de respuesta (promedio) 7.43s Total de tokens de salida 44,525 Puntuación 7.4/10 DeepSeek V4 Flash 0731 high Económico Precio de entrada $0.065 / 1M Precio de salida $0.180 / 1M Puntuación 8.0/10

316/316

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#236#236	Qwen3.8 27Bnone	5.5	Qwen	~$0.006	3.12s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 40.9% Pruebas inestables 0 Tokens de entrada 122,463 Tokens de salida 11,445 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.12s Tiempo de respuesta (total) 68.69s Tiempo de respuesta (máximo) 44.76s Respuesta incorrecta: 11 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 7.7 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#237#237	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
#238#238	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.039 ↓	36.17s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 4 Tokens de entrada 240,230 Tokens de salida 100,726 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 36.17s Tiempo de respuesta (total) 795.83s Tiempo de respuesta (máximo) 247.27s Respuesta incorrecta: 13 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 : 3.0 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#239#239	Laguna S 2.1medium	5.4	Poolside	$0.053 ↓	58.42s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 24.2% Pruebas inestables 3 Tokens de entrada 86,647 Tokens de salida 97,298 Tokens de razonamiento 242,297 Tiempo de respuesta (promedio) 58.42s Tiempo de respuesta (total) 1285.26s 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 : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.2 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#241#241	GPT-5.6 Lunanone	5.4	OpenAI	$0.029 ↓	1.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 36.4% Pruebas inestables 3 Tokens de entrada 101,332 Tokens de salida 6,709 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.50s Tiempo de respuesta (total) 33.05s Tiempo de respuesta (máximo) 10.57s Respuesta incorrecta: 14 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 3.8 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 7.1 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#242#242	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 4 Tokens de entrada 124,808 Tokens de salida 15,362 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.24s Tiempo de respuesta (total) 93.28s Tiempo de respuesta (máximo) 53.13s Respuesta incorrecta: 12 No siguió las instrucciones: 4 Sin respuesta: 1 Trucos anti-IA : 3.3 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#243#243	Kimi K2.5none	5.4	Moonshot AI	$0.101 ↓	18.03s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 4 Tokens de entrada 89,320 Tokens de salida 26,643 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 18.03s Tiempo de respuesta (total) 288.42s Tiempo de respuesta (máximo) 102.83s Respuesta incorrecta: 16 Sin respuesta: 1 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 2.8 Análisis y extracción de datos : 7.3 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#244#244	DeepSeek V4 Flash 0731none	5.4	DeepSeek	$0.011 ↓	20.72s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 4 Tokens de entrada 94,566 Tokens de salida 25,426 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.72s Tiempo de respuesta (total) 455.81s Tiempo de respuesta (máximo) 387.15s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Formato extra: 1 Trucos anti-IA : 3.4 Programación : 4.3 Combinado : 3.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 5.0 Resolución de acertijos : 3.2 Llamada de herramientas : 9.5 Cultura general : 3.0
#245#245	Laguna S 2.1high	5.4	Poolside	$0.114 ↓	111.60s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 5 Tokens de entrada 208,937 Tokens de salida 175,588 Tokens de razonamiento 409,276 Tiempo de respuesta (promedio) 111.60s Tiempo de respuesta (total) 2455.24s 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
#246#246	Inkling Smallnone	5.3	Thinkingmachines	$0.054 ↓	1.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 24.2% Pruebas inestables 1 Tokens de entrada 94,733 Tokens de salida 8,770 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.51s Tiempo de respuesta (total) 33.21s Tiempo de respuesta (máximo) 12.35s Respuesta incorrecta: 15 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.1 Programación : 3.6 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#247#247	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 3 Tokens de entrada 91,607 Tokens de salida 13,377 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.55s Tiempo de respuesta (total) 34.01s Tiempo de respuesta (máximo) 19.02s Respuesta incorrecta: 14 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 5.3 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 3.8 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#249#249	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 18.2% Pruebas inestables 0 Tokens de entrada 106,423 Tokens de salida 11,555 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.59s Tiempo de respuesta (total) 163.20s Tiempo de respuesta (máximo) 25.72s Respuesta incorrecta: 12 Error de API: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 3.8 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 3.1 Llamada de herramientas : 3.0 Cultura general : 3.0
#251#251	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.051 ↓	5.57s
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 93,990 Tokens de salida 45,905 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.57s Tiempo de respuesta (total) 111.32s Tiempo de respuesta (máximo) 39.54s Respuesta incorrecta: 13 Error de API: 2 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 3.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#252#252	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 16.7% Pruebas inestables 1 Tokens de entrada 116,155 Tokens de salida 19,679 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.53s Tiempo de respuesta (total) 77.68s Tiempo de respuesta (máximo) 24.48s Respuesta incorrecta: 15 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.1 Programación : 4.6 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 : 3.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#253#253	Inklingnone	5.2	Thinkingmachines	$0.147	3.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 28.8% Pruebas inestables 1 Tokens de entrada 104,120 Tokens de salida 10,554 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.47s Tiempo de respuesta (total) 76.28s 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
#256#256	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 104,717 Tokens de salida 9,812 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.20s Tiempo de respuesta (total) 26.41s 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
#257#257	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 8 Tokens de entrada 140,559 Tokens de salida 40,268 Tokens de razonamiento 93,329 Tiempo de respuesta (promedio) 10.80s Tiempo de respuesta (total) 237.60s Tiempo de respuesta (máximo) 59.15s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Trucos anti-IA : 5.6 Programación : 4.4 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#259#259	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
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 134,227 Tokens de salida 11,808 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.63s Tiempo de respuesta (total) 146.72s 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
#260#260	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 2 Tokens de entrada 141,052 Tokens de salida 16,464 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.68s Tiempo de respuesta (total) 103.02s 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 : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#261#261	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
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 144,416 Tokens de salida 37,484 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 19.19s Tiempo de respuesta (total) 422.25s 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
#262#262	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
#264#264	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 9 Tokens de entrada 114,527 Tokens de salida 18,558 Tokens de razonamiento 129,146 Tiempo de respuesta (promedio) 43.25s Tiempo de respuesta (total) 908.21s Tiempo de respuesta (máximo) 196.21s Respuesta incorrecta: 6 No siguió las instrucciones: 5 Sin respuesta: 2 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 5.7 Combinado : 3.8 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 3.8 Resolución de acertijos : 5.9 Llamada de herramientas : 4.7 Cultura general : 3.0
#265#265	Mercury 2.5 Previewlow	5.0	Inception	$0.011	1.31s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 47.0% Pruebas inestables 8 Tokens de entrada 133,525 Tokens de salida 7,259 Tokens de razonamiento 24,716 Tiempo de respuesta (promedio) 1.31s Tiempo de respuesta (total) 28.77s Tiempo de respuesta (máximo) 7.29s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Trucos anti-IA : 5.6 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.3 Específico del dominio : 4.1 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 8.2 Llamada de herramientas : 2.8 Cultura general : 3.0
#266#266	Laguna S 2.1low	5.0	Poolside	$0.082 ↓	85.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 22.7% Pruebas inestables 5 Tokens de entrada 118,752 Tokens de salida 67,823 Tokens de razonamiento 383,885 Tiempo de respuesta (promedio) 85.34s Tiempo de respuesta (total) 1877.49s 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
#267#267	DeepSeek V3.2none	5.0	DeepSeek	$0.054 ↑	17.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 36.4% Pruebas inestables 5 Tokens de entrada 135,831 Tokens de salida 42,099 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 17.89s Tiempo de respuesta (total) 393.53s Tiempo de respuesta (máximo) 115.89s Respuesta incorrecta: 8 Error de API: 3 Formato extra: 2 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 3.2 Programación : 3.1 Combinado : 4.8 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 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 Astramax GPT-6 AstramaxvsGPT-6 Astrahigh GPT-6 AstrahighvsGPT-6 Astraxhigh GPT-6 AstraxhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow GPT-6 AstralowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium