AI BENCHY

Leaderboard de Benchmark de IA

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: 2026-04-24 Modelos evaluados: 115

50/115

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#1🥇 #1	Gemini 3 Flash Previewmedium	10.0	Google	$0.108	12.11s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 0 Fiabilidad: N/D Tasa de aciertos por intento: 100.0% Pruebas inestables: 0 Tokens de salida: 655 Tokens de razonamiento: 33,749 Tiempo de respuesta: promedio 12.11s · total 217.93s · máximo 82.37s Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 10.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0
#2🥈 #2	Gemini 3.1 Pro Previewmedium	9.6	Google	$0.578	15.96s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 1 Fiabilidad: N/D Tasa de aciertos por intento: 94.4% Pruebas inestables: 0 Tokens de salida: 1,932 Tokens de razonamiento: 40,542 Tiempo de respuesta: promedio 15.96s · total 175.52s · máximo 40.61s Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.5 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
#3🥉 #3	Claude Opus 4.7medium	9.2	Anthropic	$0.447	3.53s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 2 Fiabilidad: N/D Tasa de aciertos por intento: 88.9% Pruebas inestables: 0 Tokens de salida: 5,375 Tokens de razonamiento: 1,341 Tiempo de respuesta: promedio 3.53s · total 60.03s · máximo 21.45s Tiempo agotado: 1 Respuesta incorrecta: 1 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 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
#4#4	Claude Opus 4.7none	9.2	Anthropic	$0.505	3.13s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 2 Fiabilidad: N/D Tasa de aciertos por intento: 88.9% Pruebas inestables: 0 Tokens de salida: 6,326 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 3.13s · total 56.33s · máximo 18.27s Respuesta incorrecta: 2 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 9.5 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
#5#5	GPT-5.5medium	9.0	OpenAI	$2.884	32.75s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 3 Fiabilidad: N/D Tasa de aciertos por intento: 87.0% Pruebas inestables: 2 Tokens de salida: 1,920 Tokens de razonamiento: 89,632 Tiempo de respuesta: promedio 32.75s · total 589.59s · máximo 332.10s Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 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 : 10.0 Resolución de acertijos : 8.6 Llamada de herramientas : 10.0
#6#6	Gemini 3 Flash Previewlow	8.8	Google	$0.091	6.01s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 3 Fiabilidad: N/D Tasa de aciertos por intento: 85.2% Pruebas inestables: 1 Tokens de salida: 2,018 Tokens de razonamiento: 23,273 Tiempo de respuesta: promedio 6.01s · total 108.12s · máximo 14.72s Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0
#7#7	Seed-2.0-Litemedium	8.6	Bytedance Seed	$0.121	30.37s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 83.3% Pruebas inestables: 3 Tokens de salida: 3,257 Tokens de razonamiento: 52,042 Tiempo de respuesta: promedio 30.37s · total 546.72s · máximo 168.71s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0
#8#8	GPT-5.3-Codexmedium	8.6	OpenAI	$0.573	15.38s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 83.3% Pruebas inestables: 3 Tokens de salida: 2,279 Tokens de razonamiento: 35,179 Tiempo de respuesta: promedio 15.38s · total 276.91s · máximo 100.93s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0
#9#9	Qwen3.5 Plus 2026-02-15medium	8.5	Qwen	$0.220	46.56s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 4 Fiabilidad: N/D Tasa de aciertos por intento: 83.3% Pruebas inestables: 2 Tokens de salida: 2,121 Tokens de razonamiento: 111,889 Tiempo de respuesta: promedio 46.56s · total 512.20s · máximo 120.91s Tiempo agotado: 2 Respuesta incorrecta: 2 Trucos anti-IA : 8.2 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0
#10#10	HY3 Previewhigh	8.5	Tencent	$0.000	55.19s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 81.5% Pruebas inestables: 3 Tokens de salida: 238,920 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 55.19s · total 938.23s · máximo 149.94s No siguió las instrucciones: 2 Respuesta incorrecta: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0
#11#11	Qwen3.6 Plus Previewmedium	8.5	Qwen	$0.000	13.94s
Ver ficha del modelo Pruebas totales: 17 Pruebas incorrectas: 4 Fiabilidad: N/D Tasa de aciertos por intento: 76.5% Pruebas inestables: 0 Tokens de salida: 1,756 Tokens de razonamiento: 77,213 Tiempo de respuesta: promedio 13.94s · total 237.01s · máximo 43.55s Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0
#12#12	Qwen3.5-27Bmedium	8.4	Qwen	$0.497	53.03s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 81.5% Pruebas inestables: 3 Tokens de salida: 2,500 Tokens de razonamiento: 242,500 Tiempo de respuesta: promedio 53.03s · total 954.46s · máximo 163.96s No siguió las instrucciones: 2 Formato extra: 1 Tiempo agotado: 1 Respuesta incorrecta: 1 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0
#13#13	Gemini 3.1 Flash Lite Previewhigh	8.4	Google	$2.310	68.83s
Ver ficha del modelo Pruebas totales: 16 Pruebas incorrectas: 4 Fiabilidad: N/D Tasa de aciertos por intento: 77.1% Pruebas inestables: 1 Tokens de salida: 1,283 Tokens de razonamiento: 1,533,310 Tiempo de respuesta: promedio 68.83s · total 1101.32s · máximo 280.52s Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0
#14#14	Gemini 3 PRO Previewmedium	8.4	Google	$0.197	9.06s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 4 Fiabilidad: N/D Tasa de aciertos por intento: 77.8% Pruebas inestables: 0 Tokens de salida: 1,508 Tokens de razonamiento: 10,084 Tiempo de respuesta: promedio 9.06s · total 90.58s · máximo 26.24s Respuesta incorrecta: 3 Error de API: 1 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 3.0 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 : 10.0
#15#15	GLM 5medium	8.4	Z.ai	$0.155	23.34s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 85.2% Pruebas inestables: 4 Tokens de salida: 20,163 Tokens de razonamiento: 58,337 Tiempo de respuesta: promedio 23.34s · total 233.40s · máximo 79.09s Respuesta incorrecta: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 7.1 Específico del dominio : 3.5 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0
#16#16	Gemma 4 31Bmedium	8.3	Google	$0.018	24.88s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 79.6% Pruebas inestables: 2 Tokens de salida: 12,734 Tokens de razonamiento: 27,950 Tiempo de respuesta: promedio 24.88s · total 398.13s · máximo 70.97s Error de API: 2 No siguió las instrucciones: 1 Tiempo agotado: 1 Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 4.7 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.8 Llamada de herramientas : 3.0
#17#17	Gemini 2.5 Flashmedium	8.2	Google	$0.319	12.12s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 75.9% Pruebas inestables: 1 Tokens de salida: 1,898 Tokens de razonamiento: 122,273 Tiempo de respuesta: promedio 12.12s · total 218.12s · máximo 95.48s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Trucos anti-IA : 8.4 Programación : 10.0 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
#18#18	GPT-5.4medium	8.2	OpenAI	$0.832	18.63s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 79.6% Pruebas inestables: 3 Tokens de salida: 2,169 Tokens de razonamiento: 48,732 Tiempo de respuesta: promedio 18.63s · total 335.26s · máximo 100.41s Respuesta incorrecta: 3 No siguió las instrucciones: 2 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 : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0
#19#19	Gemini 3.1 Flash Lite Previewmedium	8.2	Google	$0.055	3.74s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 72.2% Pruebas inestables: 0 Tokens de salida: 2,168 Tokens de razonamiento: 29,030 Tiempo de respuesta: promedio 3.74s · total 67.31s · máximo 14.93s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 10.0 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 : 7.7 Llamada de herramientas : 10.0
#20#20	DeepSeek V4 Prohigh	8.2	DeepSeek	$0.160	71.21s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 74.1% Pruebas inestables: 1 Tokens de salida: 671 Tokens de razonamiento: 39,383 Tiempo de respuesta: promedio 71.21s · total 1281.73s · máximo 351.99s Respuesta incorrecta: 3 No siguió las instrucciones: 2 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 : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0
#21#21	GLM 5 Turbomedium	8.1	Z.ai	$0.182	17.67s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 77.8% Pruebas inestables: 5 Tokens de salida: 12,197 Tokens de razonamiento: 38,933 Tiempo de respuesta: promedio 17.67s · total 317.98s · máximo 194.23s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.3 Llamada de herramientas : 10.0
#22#22	Qwen3.5-122B-A10Bmedium	8.1	Qwen	$0.528	31.38s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 79.6% Pruebas inestables: 3 Tokens de salida: 17,635 Tokens de razonamiento: 162,668 Tiempo de respuesta: promedio 31.38s · total 564.84s · máximo 119.29s Respuesta incorrecta: 3 Tiempo agotado: 2 Trucos anti-IA : 10.0 Programación : 4.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0
#23#23	Qwen3.6 Plusmedium	8.1	Qwen	$0.000	15.27s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 74.1% Pruebas inestables: 1 Tokens de salida: 1,763 Tokens de razonamiento: 83,782 Tiempo de respuesta: promedio 15.27s · total 259.55s · máximo 43.55s Respuesta incorrecta: 3 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 3.0 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
#24#24	HY3 Previewlow	8.1	Tencent	$0.000	23.98s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 75.9% Pruebas inestables: 1 Tokens de salida: 65,778 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 23.98s · total 407.72s · máximo 78.74s No siguió las instrucciones: 2 Respuesta incorrecta: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0
#25#25	Gemini 3 Flash Previewnone	8.1	Google	$0.021	1.65s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 77.8% Pruebas inestables: 2 Tokens de salida: 1,840 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.65s · total 18.20s · máximo 3.56s Respuesta incorrecta: 5 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 4.7 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0
#26#26	Gemini 3.1 Flash Lite Previewlow	8.1	Google	$0.022	3.22s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 72.2% Pruebas inestables: 0 Tokens de salida: 2,247 Tokens de razonamiento: 8,058 Tiempo de respuesta: promedio 3.22s · total 58.00s · máximo 11.91s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 10.0 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
#27#27	MiMo-V2.5-Promedium	8.1	Xiaomi	$0.201	16.17s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 75.9% Pruebas inestables: 3 Tokens de salida: 2,735 Tokens de razonamiento: 52,571 Tiempo de respuesta: promedio 16.17s · total 291.09s · máximo 84.22s Formato extra: 2 No siguió las instrucciones: 2 Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0
#28#28	MiMo-V2-Promedium	8.1	Xiaomi	$0.159	12.27s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 77.8% Pruebas inestables: 3 Tokens de salida: 2,360 Tokens de razonamiento: 38,320 Tiempo de respuesta: promedio 12.27s · total 208.56s · máximo 64.71s Respuesta incorrecta: 3 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 4.7 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.0 Llamada de herramientas : 10.0
#29#29	HY3 Previewmedium	8.1	Tencent	$0.000	14.63s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 74.1% Pruebas inestables: 1 Tokens de salida: 65,057 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 14.63s · total 248.72s · máximo 46.04s No siguió las instrucciones: 2 Respuesta incorrecta: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0
#30#30	Gemma 4 26B A4Bmedium	8.0	Google	$0.028	25.03s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 75.9% Pruebas inestables: 2 Tokens de salida: 15,928 Tokens de razonamiento: 44,631 Tiempo de respuesta: promedio 25.03s · total 425.48s · máximo 147.47s Tiempo agotado: 2 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 2.8 Combinado : 9.6 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0
#31#31	Grok 4.20 Betamedium	8.0	X AI	$0.633	9.81s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 74.1% Pruebas inestables: 2 Tokens de salida: 1,568 Tokens de razonamiento: 91,909 Tiempo de respuesta: promedio 9.81s · total 176.62s · máximo 31.36s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Trucos anti-IA : 8.7 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 : 8.3 Resolución de acertijos : 8.2 Llamada de herramientas : 3.0
#32#32	Claude Sonnet 4.6medium	8.0	Anthropic	$1.161	12.66s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 5 Fiabilidad: N/D Tasa de aciertos por intento: 74.1% Pruebas inestables: 1 Tokens de salida: 42,068 Tokens de razonamiento: 26,784 Tiempo de respuesta: promedio 12.66s · total 126.62s · máximo 46.35s Formato extra: 2 Respuesta incorrecta: 2 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 10.0 Combinado : 10.0 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
#33#33	DeepSeek V3.2medium	8.0	DeepSeek	$0.028	43.49s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 79.6% Pruebas inestables: 4 Tokens de salida: 7,554 Tokens de razonamiento: 45,588 Tiempo de respuesta: promedio 43.49s · total 782.73s · máximo 180.92s Respuesta incorrecta: 3 Tiempo agotado: 2 No siguió las instrucciones: 1 Trucos anti-IA : 8.4 Programación : 4.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0
#34#34	GPT-5.2 Chatnone	7.9	OpenAI	$0.291	6.84s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 75.9% Pruebas inestables: 3 Tokens de salida: 17,346 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 6.84s · total 123.17s · máximo 38.52s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 7.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0
#35#35	Gemini 3.1 Flash Lite Previewnone	7.9	Google	$0.016	1.30s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 70.4% Pruebas inestables: 1 Tokens de salida: 5,361 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 1.30s · total 23.42s · máximo 3.39s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Trucos anti-IA : 7.5 Programación : 10.0 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
#36#36	Step 3.5 Flashmedium	7.9	Stepfun	$0.000	26.78s
Ver ficha del modelo Pruebas totales: 17 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 70.6% Pruebas inestables: 2 Tokens de salida: 71,904 Tokens de razonamiento: 155,607 Tiempo de respuesta: promedio 26.78s · total 294.58s · máximo 170.45s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0
#37#37	DeepSeek V4 Flashhigh	7.8	DeepSeek	$0.021	47.47s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 79.6% Pruebas inestables: 5 Tokens de salida: 1,757 Tokens de razonamiento: 55,907 Tiempo de respuesta: promedio 47.47s · total 854.45s · máximo 255.28s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0
#38#38	GLM 5V Turbomedium	7.8	Z.ai	$0.291	14.96s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 77.8% Pruebas inestables: 6 Tokens de salida: 2,351 Tokens de razonamiento: 58,941 Tiempo de respuesta: promedio 14.96s · total 269.32s · máximo 67.08s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 7.2 Programación : 10.0 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 7.0
#39#39	Qwen3.5-Flashmedium	7.8	Qwen	$0.080	66.72s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 81.5% Pruebas inestables: 6 Tokens de salida: 2,073 Tokens de razonamiento: 191,899 Tiempo de respuesta: promedio 66.72s · total 1201.03s · máximo 234.29s Tiempo agotado: 4 Error de API: 1 No siguió las instrucciones: 1 Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 4.7 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0
#40#40	GLM 5.1medium	7.8	Z.ai	$0.201	24.13s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 75.9% Pruebas inestables: 3 Tokens de salida: 8,005 Tokens de razonamiento: 49,090 Tiempo de respuesta: promedio 24.13s · total 410.25s · máximo 118.52s Respuesta incorrecta: 3 Tiempo agotado: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 4.7 Combinado : 9.5 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
#41#41	MiMo-V2.5medium	7.8	Xiaomi	$0.253	13.71s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 74.1% Pruebas inestables: 3 Tokens de salida: 2,840 Tokens de razonamiento: 116,242 Tiempo de respuesta: promedio 13.71s · total 246.73s · máximo 86.93s Formato extra: 2 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 2.7 Específico del dominio : 5.3 Inteligencia general : 3.8 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0
#42#42	Kimi K2.6medium	7.7	Moonshot AI	$0.722	45.20s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 74.1% Pruebas inestables: 4 Tokens de salida: 80,759 Tokens de razonamiento: 179,814 Tiempo de respuesta: promedio 45.20s · total 768.37s · máximo 215.85s No siguió las instrucciones: 3 Tiempo agotado: 2 Respuesta incorrecta: 2 Trucos anti-IA : 7.0 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 : 10.0 Resolución de acertijos : 5.0 Llamada de herramientas : 10.0
#43#43	MiMo-V2-Omnimedium	7.7	Xiaomi	$0.153	16.76s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 61.1% Pruebas inestables: 0 Tokens de salida: 928 Tokens de razonamiento: 72,661 Tiempo de respuesta: promedio 16.76s · total 301.61s · máximo 158.78s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 6.5 Llamada de herramientas : 10.0
#44#44	GPT-5.3 Chatnone	7.7	OpenAI	$0.340	5.88s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 68.5% Pruebas inestables: 3 Tokens de salida: 20,784 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 5.88s · total 105.90s · máximo 18.33s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 6.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.6 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0
#45#45	Claude Opus 4.6medium	7.6	Anthropic	$1.446	21.08s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 6 Fiabilidad: N/D Tasa de aciertos por intento: 70.4% Pruebas inestables: 2 Tokens de salida: 29,829 Tokens de razonamiento: 18,938 Tiempo de respuesta: promedio 21.08s · total 231.84s · máximo 83.40s Formato extra: 4 Respuesta incorrecta: 2 Trucos anti-IA : 6.4 Programación : 10.0 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 : 7.7 Llamada de herramientas : 10.0
#46#46	GPT-5.4 Nanomedium	7.6	OpenAI	$0.083	11.21s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 68.5% Pruebas inestables: 2 Tokens de salida: 2,946 Tokens de razonamiento: 58,132 Tiempo de respuesta: promedio 11.21s · total 201.80s · máximo 94.06s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.0 Llamada de herramientas : 10.0
#47#47	Seed-2.0-Minimedium	7.5	Bytedance Seed	$0.037	69.70s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 66.7% Pruebas inestables: 2 Tokens de salida: 2,419 Tokens de razonamiento: 79,238 Tiempo de respuesta: promedio 69.70s · total 1045.47s · máximo 262.83s Tiempo agotado: 4 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 6.6 Programación : 10.0 Combinado : 10.0 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
#48#48	GPT-5.2medium	7.5	OpenAI	$0.352	14.04s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 72.2% Pruebas inestables: 4 Tokens de salida: 2,705 Tokens de razonamiento: 18,977 Tiempo de respuesta: promedio 14.04s · total 154.41s · máximo 77.80s No siguió las instrucciones: 3 Respuesta incorrecta: 2 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 4.7
#49#49	MiMo-V2-Flashmedium	7.5	Xiaomi	$0.038	23.36s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 70.4% Pruebas inestables: 3 Tokens de salida: 12,387 Tokens de razonamiento: 115,182 Tiempo de respuesta: promedio 23.36s · total 280.34s · máximo 96.01s Respuesta incorrecta: 3 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 8.1 Programación : 4.7 Combinado : 9.8 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0
#50#50	Claude Sonnet 4.6none	7.4	Anthropic	$0.262	4.98s
Ver ficha del modelo Pruebas totales: 18 Pruebas incorrectas: 7 Fiabilidad: N/D Tasa de aciertos por intento: 64.8% Pruebas inestables: 1 Tokens de salida: 7,433 Tokens de razonamiento: 0 Tiempo de respuesta: promedio 4.98s · total 54.83s · máximo 23.84s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 4.8 Programación : 10.0 Combinado : 9.5 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

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7none Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsSeed-2.0-Litemedium Gemini 3 Flash PreviewmediumvsHY3 PreviewhighDisponible gratis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsClaude Opus 4.7none Claude Opus 4.7nonevsGPT-5.5medium GPT-5.5mediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsSeed-2.0-Litemedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida