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)
#1🥇 #1	Gemini 3.6 Flashmedium	9.9	Google	$0.831	10.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 98.5% Pruebas inestables 1 Tokens de entrada 66,293 Tokens de salida 2,000 Tokens de razonamiento 95,464 Tiempo de respuesta (promedio) 10.11s Tiempo de respuesta (total) 222.33s Tiempo de respuesta (máximo) 68.03s Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 8.2 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#2🥈 #2	Gemini 3.6 Flashhigh	9.7	Google	$1.785	14.88s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 98.5% Pruebas inestables 1 Tokens de entrada 87,819 Tokens de salida 5,750 Tokens de razonamiento 214,596 Tiempo de respuesta (promedio) 14.88s Tiempo de respuesta (total) 327.37s Tiempo de respuesta (máximo) 88.00s Respuesta incorrecta: 1 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 : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 4.7
#3🥉 #3	Gemini 3 Flash Previewmedium	9.6	Google	$0.742	19.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 98.5% Pruebas inestables 1 Tokens de entrada 87,861 Tokens de salida 5,486 Tokens de razonamiento 227,164 Tiempo de respuesta (promedio) 19.20s Tiempo de respuesta (total) 422.42s Tiempo de respuesta (máximo) 117.26s Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 8.6 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 Cultura general : 10.0
#4#4	Gemini 3.5 Flashhigh	9.5	Google	$1.976	15.07s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 93.9% Pruebas inestables 2 Tokens de entrada 107,137 Tokens de salida 8,777 Tokens de razonamiento 192,900 Tiempo de respuesta (promedio) 15.07s Tiempo de respuesta (total) 331.48s Tiempo de respuesta (máximo) 145.92s Llamada de herramienta no válida: 1 Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 7.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 9.8 Cultura general : 10.0
#5#5	GPT-5.6 Sollow	9.5	OpenAI	$0.971	8.79s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 86.4% Pruebas inestables 2 Tokens de entrada 78,571 Tokens de salida 4,476 Tokens de razonamiento 14,770 Tiempo de respuesta (promedio) 8.79s Tiempo de respuesta (total) 193.33s Tiempo de respuesta (máximo) 53.91s Respuesta incorrecta: 4 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 10.0
#6#6	Gemini 3.6 Flashlow	9.4	Google	$0.517	4.42s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 1 Fiabilidad 10.0 Tasa de aciertos por intento 97.0% Pruebas inestables 1 Tokens de entrada 82,715 Tokens de salida 5,729 Tokens de razonamiento 46,633 Tiempo de respuesta (promedio) 4.42s Tiempo de respuesta (total) 97.13s Tiempo de respuesta (máximo) 28.92s Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 7.8 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 Cultura general : 10.0
#7#7	GPT-5.6 Solmedium	9.4	OpenAI	$1.316	11.35s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 90.9% Pruebas inestables 3 Tokens de entrada 78,997 Tokens de salida 4,696 Tokens de razonamiento 26,002 Tiempo de respuesta (promedio) 11.35s Tiempo de respuesta (total) 249.73s Tiempo de respuesta (máximo) 79.40s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 4.7
#8#8	GPT-5.6 Solhigh	9.4	OpenAI	$1.234	11.73s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 89.4% Pruebas inestables 3 Tokens de entrada 79,249 Tokens de salida 4,855 Tokens de razonamiento 23,044 Tiempo de respuesta (promedio) 11.73s Tiempo de respuesta (total) 257.99s Tiempo de respuesta (máximo) 54.79s Respuesta incorrecta: 4 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 : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 4.7
#9#9	GPT-5.5low	9.3	OpenAI	$1.253	10.13s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 86.4% Pruebas inestables 0 Tokens de entrada 80,058 Tokens de salida 5,378 Tokens de razonamiento 23,040 Tiempo de respuesta (promedio) 10.13s Tiempo de respuesta (total) 222.82s Tiempo de respuesta (máximo) 56.19s Respuesta incorrecta: 3 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 : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#10#10	Gemini 3.1 Pro Previewmedium	9.2	Google	$1.361	21.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 2 Fiabilidad 10.0 Tasa de aciertos por intento 90.9% Pruebas inestables 0 Tokens de entrada 92,287 Tokens de salida 5,232 Tokens de razonamiento 92,726 Tiempo de respuesta (promedio) 21.47s Tiempo de respuesta (total) 322.08s Tiempo de respuesta (máximo) 88.68s Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 7.9 Combinado : 9.8 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 Cultura general : 10.0
#11#11	Qwen3.7 Maxmedium	9.2	Qwen	$1.116 ↓	40.57s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 87.9% Pruebas inestables 2 Tokens de entrada 106,020 Tokens de salida 5,748 Tokens de razonamiento 211,004 Tiempo de respuesta (promedio) 40.57s Tiempo de respuesta (total) 892.57s Tiempo de respuesta (máximo) 556.06s Respuesta incorrecta: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#12#12	Gemini 3.5 Flashmedium	9.1	Google	$0.642	8.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 87.9% Pruebas inestables 1 Tokens de entrada 69,747 Tokens de salida 2,166 Tokens de razonamiento 57,436 Tiempo de respuesta (promedio) 8.20s Tiempo de respuesta (total) 180.47s Tiempo de respuesta (máximo) 76.68s Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 7.9 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 10.0
#13#13	GPT-5.5medium	9.0	OpenAI	$4.137	38.42s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 87.9% Pruebas inestables 3 Tokens de entrada 80,659 Tokens de salida 5,617 Tokens de razonamiento 118,819 Tiempo de respuesta (promedio) 38.42s Tiempo de respuesta (total) 845.35s Tiempo de respuesta (máximo) 332.10s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 8.8 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 : 10.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#14#14	Gemini 3.5 Flashlow	8.9	Google	$0.433	5.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 3 Fiabilidad 10.0 Tasa de aciertos por intento 87.9% Pruebas inestables 1 Tokens de entrada 87,817 Tokens de salida 2,239 Tokens de razonamiento 31,182 Tiempo de respuesta (promedio) 5.55s Tiempo de respuesta (total) 122.19s Tiempo de respuesta (máximo) 53.55s Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 7.8 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#15#15	Grok 4.5high	8.9	X AI	$1.707	76.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 2 Tokens de entrada 151,562 Tokens de salida 5,655 Tokens de razonamiento 247,540 Tiempo de respuesta (promedio) 76.50s Tiempo de respuesta (total) 1683.07s Tiempo de respuesta (máximo) 676.83s Sin respuesta: 2 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 : 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
#16#16	GPT-5.3-Codexmedium	8.9	OpenAI	$0.920	16.96s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 4 Tokens de entrada 81,268 Tokens de salida 6,251 Tokens de razonamiento 49,274 Tiempo de respuesta (promedio) 16.96s Tiempo de respuesta (total) 373.19s Tiempo de respuesta (máximo) 100.93s Respuesta incorrecta: 4 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 Cultura general : 2.8
#17#17	Claude Opus 4.8medium	8.8	Anthropic	$1.931	12.49s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 84.9% Pruebas inestables 1 Tokens de entrada 138,451 Tokens de salida 40,766 Tokens de razonamiento 9,075 Tiempo de respuesta (promedio) 12.49s Tiempo de respuesta (total) 274.72s Tiempo de respuesta (máximo) 70.54s Respuesta incorrecta: 3 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.9 Análisis y extracción de datos : 7.1 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#18#18	Claude Opus 4.7medium	8.7	Anthropic	$1.477	7.61s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 1 Tokens de entrada 145,252 Tokens de salida 24,948 Tokens de razonamiento 5,042 Tiempo de respuesta (promedio) 7.61s Tiempo de respuesta (total) 159.91s Tiempo de respuesta (máximo) 65.40s Respuesta incorrecta: 3 Tiempo agotado: 1 Trucos anti-IA : 8.3 Programación : 7.6 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 Cultura general : 3.0
#19#19	Muse Spark 1.1medium	8.6	Meta	$1.357	24.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 2 Tokens de entrada 142,567 Tokens de salida 7,905 Tokens de razonamiento 269,225 Tiempo de respuesta (promedio) 24.97s Tiempo de respuesta (total) 549.31s Tiempo de respuesta (máximo) 165.38s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#20#20	Claude Fable 5medium	8.6	Anthropic	$3.478	17.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 1 Tokens de entrada 89,643 Tokens de salida 41,360 Tokens de razonamiento 10,269 Tiempo de respuesta (promedio) 17.20s Tiempo de respuesta (total) 378.41s Tiempo de respuesta (máximo) 80.80s Sin respuesta: 2 Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#21#21	GPT-5.4medium	8.5	OpenAI	$1.533	23.10s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 4 Tokens de entrada 81,127 Tokens de salida 6,155 Tokens de razonamiento 82,515 Tiempo de respuesta (promedio) 23.10s Tiempo de respuesta (total) 508.26s Tiempo de respuesta (máximo) 100.41s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 8.8 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 Cultura general : 3.0
#23#23	Grok 4.5low	8.4	X AI	$0.935	15.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 1 Tokens de entrada 125,596 Tokens de salida 7,505 Tokens de razonamiento 106,446 Tiempo de respuesta (promedio) 15.56s Tiempo de respuesta (total) 342.32s Tiempo de respuesta (máximo) 205.28s Respuesta incorrecta: 6 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#24#24	GPT-5.2medium	8.4	OpenAI	$0.951	22.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 4 Tokens de entrada 105,004 Tokens de salida 9,914 Tokens de razonamiento 44,868 Tiempo de respuesta (promedio) 22.62s Tiempo de respuesta (total) 339.28s Tiempo de respuesta (máximo) 102.93s No siguió las instrucciones: 3 Respuesta incorrecta: 3 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 : 7.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#25#25	Grok 4.5medium	8.3	X AI	$1.928	61.71s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 3 Tokens de entrada 122,146 Tokens de salida 5,514 Tokens de razonamiento 275,053 Tiempo de respuesta (promedio) 61.71s Tiempo de respuesta (total) 1357.56s Tiempo de respuesta (máximo) 436.38s Respuesta incorrecta: 6 Trucos anti-IA : 10.0 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#26#26	Claude Sonnet 5medium	8.3	Anthropic	$0.922	12.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 80.3% Pruebas inestables 3 Tokens de entrada 145,956 Tokens de salida 52,333 Tokens de razonamiento 10,874 Tiempo de respuesta (promedio) 12.52s Tiempo de respuesta (total) 275.42s Tiempo de respuesta (máximo) 66.71s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 9.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#27#27	Muse Spark 1.1low	8.3	Meta	$0.647	11.45s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 142,298 Tokens de salida 10,847 Tokens de razonamiento 99,467 Tiempo de respuesta (promedio) 11.45s Tiempo de respuesta (total) 251.92s Tiempo de respuesta (máximo) 54.15s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 10.0 Combinado : 6.6 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 8.3 Llamada de herramientas : 9.8 Cultura general : 3.0
#28#28	Gemini 2.5 Flashmedium	8.2	Google	$0.643	21.18s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 1 Tokens de entrada 132,498 Tokens de salida 12,739 Tokens de razonamiento 228,464 Tiempo de respuesta (promedio) 21.18s Tiempo de respuesta (total) 465.89s Tiempo de respuesta (máximo) 140.50s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.4 Programación : 7.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#29#29	GPT-5 Minimedium	8.1	OpenAI	$0.237	27.63s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 3 Tokens de entrada 98,374 Tokens de salida 14,434 Tokens de razonamiento 91,498 Tiempo de respuesta (promedio) 27.63s Tiempo de respuesta (total) 607.92s Tiempo de respuesta (máximo) 111.48s Respuesta incorrecta: 5 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 7.1 Programación : 10.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#30#30	Muse Spark 1.1high	8.1	Meta	$1.694	31.49s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 6 Tokens de entrada 129,423 Tokens de salida 8,077 Tokens de razonamiento 352,421 Tiempo de respuesta (promedio) 31.49s Tiempo de respuesta (total) 661.28s Tiempo de respuesta (máximo) 196.03s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Error de API: 1 Sin respuesta: 1 Trucos anti-IA : 7.5 Programación : 10.0 Combinado : 5.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 7.8 Llamada de herramientas : 9.6 Cultura general : 3.0
#31#31	Gemini 3.5 Flash-Litehigh	8.1	Google	$0.584	9.48s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 81.8% Pruebas inestables 7 Tokens de entrada 105,138 Tokens de salida 8,315 Tokens de razonamiento 212,507 Tiempo de respuesta (promedio) 9.48s Tiempo de respuesta (total) 208.52s Tiempo de respuesta (máximo) 43.93s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 8.6 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 2.8

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