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: 2026-10-19 Modelos evaluados: 451

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

451/451

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#267#267	Space Bunny Alphaxhigh	6.2	Stealth	$0.000	60.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 55.1% Pruebas inestables 8 Tokens de entrada 363,310 Tokens de salida 381,919 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 60.03s Tiempo de respuesta (total) 1380.67s Tiempo de respuesta (máximo) 459.99s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 5.2 Trucos anti-IA : 6.4 Programación : 6.6 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 5.0 Seguimiento de instrucciones : 5.6 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#268#268	KAT-Coder-Pro V2.5medium	6.2	Kwaipilot	$0.669 ↑	23.94s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 62.3% Pruebas inestables 8 Tokens de entrada 87,916 Tokens de salida 7,213 Tokens de razonamiento 132,162 Tiempo de respuesta (promedio) 23.94s Tiempo de respuesta (total) 550.52s Tiempo de respuesta (máximo) 257.00s Respuesta incorrecta: 9 Error de API: 2 No siguió las instrucciones: 1 Tareas de agentes : 3.0 Trucos anti-IA : 8.2 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#269#269	GLM 5 Turbomedium	6.2	Z.ai	$0.323 ↑	23.00s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 4 Tokens de entrada 35,593 Tokens de salida 12,245 Tokens de razonamiento 62,277 Tiempo de respuesta (promedio) 23.00s Tiempo de respuesta (total) 482.97s Tiempo de respuesta (máximo) 194.23s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Tareas de agentes : 0.0 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#270#270	DeepSeek V4 Flash 0731none	6.2	DeepSeek	$0.053 ↑	27.42s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 30.4% Pruebas inestables 4 Tokens de entrada 349,876 Tokens de salida 39,789 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 27.42s Tiempo de respuesta (total) 630.70s Tiempo de respuesta (máximo) 387.15s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Formato extra: 1 Tareas de agentes : 10.0 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
#271#271	Gemini 3.1 Flash Lite Previewnone	6.2	Google	$0.090	3.60s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 55.1% Pruebas inestables 1 Tokens de entrada 261,962 Tokens de salida 12,799 Tokens de razonamiento 2,961 Tiempo de respuesta (promedio) 3.60s Tiempo de respuesta (total) 82.91s Tiempo de respuesta (máximo) 48.59s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 7.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#272#272	Claude Fable 5.1low	6.2	Anthropic	$3.395	11.40s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 55.1% Pruebas inestables 3 Tokens de entrada 209,116 Tokens de salida 10,031 Tokens de razonamiento 16,042 Tiempo de respuesta (promedio) 11.40s Tiempo de respuesta (total) 262.14s Tiempo de respuesta (máximo) 34.77s Formato extra: 4 Respuesta incorrecta: 4 No siguió las instrucciones: 3 Error de API: 1 Tareas de agentes : 2.8 Trucos anti-IA : 6.5 Programación : 3.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#273#273	Gemini 3.5 Flashnone	6.1	Google	$1.752	14.13s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 4 Tokens de entrada 246,061 Tokens de salida 3,828 Tokens de razonamiento 149,767 Tiempo de respuesta (promedio) 14.13s Tiempo de respuesta (total) 268.55s Tiempo de respuesta (máximo) 85.26s Error de API: 4 Respuesta incorrecta: 4 Llamada de herramienta no válida: 1 Tareas de agentes : 2.8 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 3.0 Análisis y extracción de datos : 6.5 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
#274#274	Beam 1.0 501B A23Bhigh	6.1	Reflection	$0.674	9.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 59.4% Pruebas inestables 5 Tokens de entrada 232,218 Tokens de salida 4,944 Tokens de razonamiento 142,263 Tiempo de respuesta (promedio) 9.03s Tiempo de respuesta (total) 207.67s Tiempo de respuesta (máximo) 36.04s Respuesta incorrecta: 7 Error de API: 3 No siguió las instrucciones: 2 Tareas de agentes : 3.0 Trucos anti-IA : 8.8 Programación : 8.4 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#275#275	Trinity Large Thinkingmedium	6.1	Arcee AI	$0.862	84.01s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 49.3% Pruebas inestables 7 Tokens de entrada 319,352 Tokens de salida 158,447 Tokens de razonamiento 875,524 Tiempo de respuesta (promedio) 84.01s Tiempo de respuesta (total) 1932.24s Tiempo de respuesta (máximo) 525.14s Respuesta incorrecta: 9 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Tareas de agentes : 6.1 Trucos anti-IA : 6.8 Programación : 7.5 Combinado : 2.9 Análisis y extracción de datos : 6.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 4.4 Resolución de acertijos : 5.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#276#276	Apodex 1.1 Minilow	6.1	Apodex	$0.000	33.68s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.8% Pruebas inestables 6 Tokens de entrada 321,894 Tokens de salida 139,334 Tokens de razonamiento 369,481 Tiempo de respuesta (promedio) 33.68s Tiempo de respuesta (total) 774.73s Tiempo de respuesta (máximo) 163.05s Respuesta incorrecta: 9 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 8.7 Programación : 5.1 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#277#277	Inklingnone	6.1	Thinkingmachines	$0.292 ↓	5.30s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 31.9% Pruebas inestables 1 Tokens de entrada 236,599 Tokens de salida 11,561 Tokens de razonamiento 4,975 Tiempo de respuesta (promedio) 5.30s Tiempo de respuesta (total) 121.91s Tiempo de respuesta (máximo) 48.02s Respuesta incorrecta: 13 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 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
#281#281	KAT-Coder-Pro V2.5default	6.1	Kwaipilot	$0.742 ↑	24.96s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 68.1% Pruebas inestables 8 Tokens de entrada 98,508 Tokens de salida 8,088 Tokens de razonamiento 131,484 Tiempo de respuesta (promedio) 24.96s Tiempo de respuesta (total) 574.12s Tiempo de respuesta (máximo) 335.41s Respuesta incorrecta: 10 Error de API: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 3.0 Trucos anti-IA : 8.7 Programación : 6.1 Combinado : 4.1 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#283#283	Claude Sonnet 4.6none	6.0	Anthropic	$0.661	7.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 55.1% Pruebas inestables 1 Tokens de entrada 123,273 Tokens de salida 19,362 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.67s Tiempo de respuesta (total) 122.78s Tiempo de respuesta (máximo) 51.18s Respuesta incorrecta: 5 Formato extra: 4 No siguió las instrucciones: 1 Tareas de agentes : 0.0 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 6.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#284#284	GLM 5.3 FlashXlow	6.0	Z.ai	$0.157	9.69s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.8% Pruebas inestables 9 Tokens de entrada 277,028 Tokens de salida 11,965 Tokens de razonamiento 31,238 Tiempo de respuesta (promedio) 9.69s Tiempo de respuesta (total) 222.83s Tiempo de respuesta (máximo) 77.99s Respuesta incorrecta: 10 Llamada de herramienta no válida: 1 Sin respuesta: 1 Tareas de agentes : 4.7 Trucos anti-IA : 8.2 Programación : 5.5 Combinado : 2.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#285#285	MiMo-V2.6-Pronone	6.0	Xiaomi	$0.193	9.66s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 43.5% Pruebas inestables 2 Tokens de entrada 278,866 Tokens de salida 82,069 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.66s Tiempo de respuesta (total) 222.07s Tiempo de respuesta (máximo) 106.86s Respuesta incorrecta: 10 Formato extra: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.5 Programación : 5.6 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 : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#286#286	Inkling Smallmedium	6.0	Thinkingmachines	$0.113 ↓	6.03s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 50.7% Pruebas inestables 3 Tokens de entrada 100,255 Tokens de salida 6,422 Tokens de razonamiento 49,847 Tiempo de respuesta (promedio) 6.03s Tiempo de respuesta (total) 138.65s Tiempo de respuesta (máximo) 17.26s Respuesta incorrecta: 6 No siguió las instrucciones: 4 Llamada de herramienta no válida: 2 Error de API: 1 Tareas de agentes : 3.0 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.3 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 5.8 Llamada de herramientas : 3.0 Cultura general : 3.0
#287#287	Seed-2.0-Litenone	6.0	Bytedance Seed	$0.114	7.49s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 39.1% Pruebas inestables 3 Tokens de entrada 314,113 Tokens de salida 17,558 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.49s Tiempo de respuesta (total) 172.19s Tiempo de respuesta (máximo) 75.99s Respuesta incorrecta: 14 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.0 Programación : 5.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#288#288	Gemini 3.1 Flash Liteminimal	5.9	Google	$0.080	3.95s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 49.3% Pruebas inestables 3 Tokens de entrada 238,785 Tokens de salida 12,875 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.95s Tiempo de respuesta (total) 90.76s Tiempo de respuesta (máximo) 50.03s Respuesta incorrecta: 9 No siguió las instrucciones: 3 Sin respuesta: 1 Tareas de agentes : 5.0 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
#289#289	gpt-oss-120bmedium	5.9	OpenAI	$0.030 ↓	31.58s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 47.8% Pruebas inestables 5 Tokens de entrada 285,293 Tokens de salida 29,565 Tokens de razonamiento 89,266 Tiempo de respuesta (promedio) 31.58s Tiempo de respuesta (total) 536.78s Tiempo de respuesta (máximo) 203.90s Respuesta incorrecta: 10 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 5.0 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
#291#291	Qwen3.6 Flashnone	5.9	Qwen	$0.139 ↓	7.63s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 1 Tokens de entrada 388,929 Tokens de salida 57,714 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.63s Tiempo de respuesta (total) 175.42s Tiempo de respuesta (máximo) 93.47s Respuesta incorrecta: 13 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.1 Programación : 5.4 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#292#292	Claude Sonnet 5none	5.9	Anthropic	$1.095	8.60s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 40.6% Pruebas inestables 5 Tokens de entrada 393,560 Tokens de salida 30,466 Tokens de razonamiento 311 Tiempo de respuesta (promedio) 8.60s Tiempo de respuesta (total) 197.73s Tiempo de respuesta (máximo) 64.73s Respuesta incorrecta: 9 Formato extra: 4 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 4.7 Trucos anti-IA : 5.3 Programación : 4.6 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#293#293	Nemotron 3 Ultranone	5.9	NVIDIA	$0.164 ↕	6.76s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 40.6% Pruebas inestables 2 Tokens de entrada 275,381 Tokens de salida 11,544 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.76s Tiempo de respuesta (total) 155.50s Tiempo de respuesta (máximo) 70.17s Respuesta incorrecta: 12 Error de API: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#294#294	Qwen3.7 Flashnone	5.9	Qwen	$0.028	14.70s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 36.2% Pruebas inestables 3 Tokens de entrada 410,787 Tokens de salida 117,742 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 14.70s Tiempo de respuesta (total) 338.13s Tiempo de respuesta (máximo) 186.24s Respuesta incorrecta: 14 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 4.7 Trucos anti-IA : 3.0 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#295#295	Qwen3.8 Flash Nextnone	5.8	Qwen	~$0.011	5.71s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 43.5% Pruebas inestables 3 Tokens de entrada 266,004 Tokens de salida 9,077 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.71s Tiempo de respuesta (total) 131.36s Tiempo de respuesta (máximo) 65.25s Respuesta incorrecta: 14 Sin respuesta: 1 Tareas de agentes : 5.0 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 6.1 Seguimiento de instrucciones : 7.1 Resolución de acertijos : 6.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#296#296	DeepSeek V4.1 Flash 1017none	5.8	DeepSeek	$0.055	3.46s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 36.2% Pruebas inestables 1 Tokens de entrada 293,927 Tokens de salida 16,806 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.46s Tiempo de respuesta (total) 79.48s Tiempo de respuesta (máximo) 43.95s Respuesta incorrecta: 14 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 3.6 Programación : 5.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 5.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 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 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