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: 2026-06-04 Modelos evaluados: 163

163/163

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#76#76	Kimi K2.5medium	6.8	Moonshot AI	$0.328 ↓	98.43s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 8 Tokens de entrada 34,312 Tokens de salida 48,379 Tokens de razonamiento 157,747 Tiempo de respuesta (promedio) 98.43s Tiempo de respuesta (total) 1378.03s Tiempo de respuesta (máximo) 281.00s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Sin respuesta: 2 Tiempo agotado: 2 Trucos anti-IA : 7.3 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#161#161	Qwen3.5-9Bmedium	4.2	Qwen	$0.035 ↓	82.24s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 18 Fiabilidad 6.7 Tasa de aciertos por intento 27.0% Pruebas inestables 5 Tokens de entrada 17,070 Tokens de salida 29,045 Tokens de razonamiento 209,516 Tiempo de respuesta (promedio) 82.24s Tiempo de respuesta (total) 1315.88s Tiempo de respuesta (máximo) 226.38s Tiempo agotado: 11 Sin respuesta: 2 Respuesta incorrecta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 5.1 Programación : 2.9 Combinado : 3.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 2.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#73#73	Seed-2.0-Minimedium	6.9	Bytedance Seed	$0.044	80.22s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 6.7 Tasa de aciertos por intento 57.1% Pruebas inestables 2 Tokens de entrada 41,904 Tokens de salida 2,555 Tokens de razonamiento 95,974 Tiempo de respuesta (promedio) 80.22s Tiempo de respuesta (total) 1363.72s Tiempo de respuesta (máximo) 262.83s Tiempo agotado: 5 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Trucos anti-IA : 6.6 Programación : 5.5 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 Cultura general : 3.0
#25#25	Qwen3.5 Plus 2026-02-15medium	7.9	Qwen	$0.310 ↓	73.79s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 73.0% Pruebas inestables 3 Tokens de entrada 40,918 Tokens de salida 2,159 Tokens de razonamiento 189,604 Tiempo de respuesta (promedio) 73.79s Tiempo de respuesta (total) 1033.07s Tiempo de respuesta (máximo) 266.69s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Trucos anti-IA : 8.2 Programación : 6.6 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 Cultura general : 3.0
#66#66	Qwen3.5-35B-A3Bmedium	7.1	Qwen	$0.401 ↓	72.57s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.8% Pruebas inestables 6 Tokens de entrada 42,196 Tokens de salida 40,630 Tokens de razonamiento 353,577 Tiempo de respuesta (promedio) 72.57s Tiempo de respuesta (total) 1524.04s Tiempo de respuesta (máximo) 409.98s Tiempo agotado: 5 Sin respuesta: 2 Respuesta incorrecta: 2 Error de API: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 4.7 Análisis y extracción de datos : 7.3 Específico del dominio : 4.1 Inteligencia general : 2.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#62#62	Step 3.5 Flashmedium	7.2	Stepfun	$0.070 ↑	72.53s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 56.7% Pruebas inestables 1 Tokens de entrada 34,431 Tokens de salida 91,587 Tokens de razonamiento 195,973 Tiempo de respuesta (promedio) 72.53s Tiempo de respuesta (total) 1015.47s Tiempo de respuesta (máximo) 453.94s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 3.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.3 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#60#60	Kimi K2.6medium	7.2	Moonshot AI	$0.891 ↓	71.67s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 3 Tokens de entrada 29,450 Tokens de salida 102,923 Tokens de razonamiento 254,094 Tiempo de respuesta (promedio) 71.67s Tiempo de respuesta (total) 1433.36s Tiempo de respuesta (máximo) 406.78s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 7.0 Programación : 5.7 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 : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#72#72	DeepSeek V3.2medium	7.0	DeepSeek	$0.044 ↓	68.71s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 65.1% Pruebas inestables 6 Tokens de entrada 38,333 Tokens de salida 7,186 Tokens de razonamiento 99,081 Tiempo de respuesta (promedio) 68.71s Tiempo de respuesta (total) 1442.81s Tiempo de respuesta (máximo) 376.10s Respuesta incorrecta: 5 Error de API: 2 Tiempo agotado: 2 No siguió las instrucciones: 1 Trucos anti-IA : 8.2 Programación : 6.0 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 : 7.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#30#30	Qwen3.5-27Bmedium	7.8	Qwen	$0.536 ↓	68.39s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 73.0% Pruebas inestables 4 Tokens de entrada 42,164 Tokens de salida 8,534 Tokens de razonamiento 329,289 Tiempo de respuesta (promedio) 68.39s Tiempo de respuesta (total) 1436.24s Tiempo de respuesta (máximo) 234.36s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Formato extra: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 6.2 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 Cultura general : 3.0
#67#67	MiniMax M3medium	7.1	Minimax	$0.131	68.17s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 9.6 Tasa de aciertos por intento 65.1% Pruebas inestables 5 Tokens de entrada 46,546 Tokens de salida 49,036 Tokens de razonamiento 92,543 Tiempo de respuesta (promedio) 68.17s Tiempo de respuesta (total) 1363.38s Tiempo de respuesta (máximo) 431.03s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 5.5 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.5 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#12#12	Gemini 3.1 Flash Lite Previewhigh	8.6	Google	$2.310	68.14s
Ver ficha del modelo Pruebas totales 16 Pruebas incorrectas 3 Fiabilidad N/D Tasa de aciertos por intento 81.3% Pruebas inestables 0 Tokens de entrada 28,980 Tokens de salida 1,283 Tokens de razonamiento 1,533,310 Tiempo de respuesta (promedio) 68.14s Tiempo de respuesta (total) 1090.28s Tiempo de respuesta (máximo) 280.52s Respuesta incorrecta: 2 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 : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0
#129#129	MiniMax M2.5medium	5.3	Minimax	$0.385 ↓	65.37s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 46.0% Pruebas inestables 9 Tokens de entrada 43,706 Tokens de salida 109,495 Tokens de razonamiento 330,814 Tiempo de respuesta (promedio) 65.37s Tiempo de respuesta (total) 849.76s Tiempo de respuesta (máximo) 251.36s Respuesta incorrecta: 7 Tiempo agotado: 4 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 7.9 Programación : 3.4 Combinado : 4.5 Análisis y extracción de datos : 4.6 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 7.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#103#103	DeepSeek V4 Prohigh	6.0	DeepSeek	$0.079 ↓	65.21s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 9.0 Tasa de aciertos por intento 52.4% Pruebas inestables 6 Tokens de entrada 32,240 Tokens de salida 12,250 Tokens de razonamiento 72,257 Tiempo de respuesta (promedio) 65.21s Tiempo de respuesta (total) 1304.19s Tiempo de respuesta (máximo) 358.35s Error de API: 5 Respuesta incorrecta: 4 Tiempo agotado: 3 No siguió las instrucciones: 1 Trucos anti-IA : 6.4 Programación : 3.3 Combinado : 10.0 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#71#71	Step 3.7 Flashhigh	7.0	Stepfun	$1.148	64.46s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.5% Pruebas inestables 4 Tokens de entrada 38,391 Tokens de salida 991,355 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 64.46s Tiempo de respuesta (total) 1353.57s Tiempo de respuesta (máximo) 364.99s Respuesta incorrecta: 6 Sin respuesta: 4 Trucos anti-IA : 10.0 Programación : 4.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#37#37	Gemma 4 26B A4Bmedium	7.6	Google	$0.045 ↓	63.41s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 69.8% Pruebas inestables 2 Tokens de entrada 40,252 Tokens de salida 28,000 Tokens de razonamiento 100,490 Tiempo de respuesta (promedio) 63.41s Tiempo de respuesta (total) 1268.28s Tiempo de respuesta (máximo) 369.32s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 2 Trucos anti-IA : 10.0 Programación : 2.9 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 : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#49#49	Qwen3.5-Flashmedium	7.4	Qwen	$0.080 ↓	63.29s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.4% Pruebas inestables 5 Tokens de entrada 38,926 Tokens de salida 2,088 Tokens de razonamiento 294,598 Tiempo de respuesta (promedio) 63.29s Tiempo de respuesta (total) 1265.85s Tiempo de respuesta (máximo) 234.29s Respuesta incorrecta: 4 Tiempo agotado: 3 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 3.7 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 : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#53#53	Gemini 3.1 Flash Litehigh	7.3	Google	$2.044	61.96s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.5% Pruebas inestables 4 Tokens de entrada 29,134 Tokens de salida 1,984 Tokens de razonamiento 1,355,583 Tiempo de respuesta (promedio) 61.96s Tiempo de respuesta (total) 1115.31s Tiempo de respuesta (máximo) 149.23s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0
#75#75	Ring-2.6-1Tmedium	6.9	Inclusionai	$0.033	61.29s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 60.3% Pruebas inestables 3 Tokens de entrada 35,892 Tokens de salida 21,752 Tokens de razonamiento 42,754 Tiempo de respuesta (promedio) 61.29s Tiempo de respuesta (total) 1164.50s Tiempo de respuesta (máximo) 304.19s Respuesta incorrecta: 6 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 10.0 Programación : 5.3 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.5 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#78#78	Qwen3.6 27Bmedium	6.8	Qwen	$0.444 ↑	59.71s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.3% Pruebas inestables 5 Tokens de entrada 39,376 Tokens de salida 16,189 Tokens de razonamiento 122,521 Tiempo de respuesta (promedio) 59.71s Tiempo de respuesta (total) 1254.01s Tiempo de respuesta (máximo) 168.22s Respuesta incorrecta: 6 Sin respuesta: 3 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 7.7 Combinado : 7.0 Análisis y extracción de datos : 3.5 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#14#14	Qwen3.6 Max Previewmedium	8.5	Qwen	$0.960 ↓	59.63s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 81.0% Pruebas inestables 2 Tokens de entrada 42,362 Tokens de salida 2,273 Tokens de razonamiento 144,367 Tiempo de respuesta (promedio) 59.63s Tiempo de respuesta (total) 1252.17s Tiempo de respuesta (máximo) 238.07s Respuesta incorrecta: 5 Trucos anti-IA : 10.0 Programación : 8.8 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 Cultura general : 3.0
#82#82	Hy3 previewhigh	6.6	Tencent	$0.048	56.57s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 55.6% Pruebas inestables 2 Tokens de entrada 25,987 Tokens de salida 216,719 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 56.57s Tiempo de respuesta (total) 848.59s Tiempo de respuesta (máximo) 149.94s Error de API: 7 Respuesta incorrecta: 3 Trucos anti-IA : 6.4 Programación : 5.3 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#27#27	Gemma 4 31Bmedium	7.8	Google	$0.035 ↓	56.55s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 69.8% Pruebas inestables 1 Tokens de entrada 17,957 Tokens de salida 22,356 Tokens de razonamiento 65,726 Tiempo de respuesta (promedio) 56.55s Tiempo de respuesta (total) 1074.41s Tiempo de respuesta (máximo) 437.40s Error de API: 2 Tiempo agotado: 2 Respuesta incorrecta: 2 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 4.3 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 : 9.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#96#96	Ring-2.6-1Tnone	6.2	Inclusionai	$0.026	55.10s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 47.6% Pruebas inestables 2 Tokens de entrada 7,599 Tokens de salida 39,954 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 55.10s Tiempo de respuesta (total) 881.55s Tiempo de respuesta (máximo) 143.82s Error de API: 5 Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 9.2 Programación : 5.3 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 5.3 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#47#47	Grok Build 0.1medium	7.4	X AI	$0.927	49.90s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 61.9% Pruebas inestables 0 Tokens de entrada 44,418 Tokens de salida 2,782 Tokens de razonamiento 438,018 Tiempo de respuesta (promedio) 49.90s Tiempo de respuesta (total) 1047.92s Tiempo de respuesta (máximo) 252.69s Respuesta incorrecta: 5 Formato extra: 3 Trucos anti-IA : 8.3 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#38#38	Grok 4.3medium	7.6	X AI	$0.614	47.51s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.4% Pruebas inestables 4 Tokens de entrada 44,472 Tokens de salida 1,981 Tokens de razonamiento 221,382 Tiempo de respuesta (promedio) 47.51s Tiempo de respuesta (total) 997.68s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Formato extra: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#19#19	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.175	47.07s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 76.2% Pruebas inestables 3 Tokens de entrada 46,740 Tokens de salida 3,230 Tokens de razonamiento 78,406 Tiempo de respuesta (promedio) 47.07s Tiempo de respuesta (total) 988.37s Tiempo de respuesta (máximo) 254.92s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 8.0 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 Cultura general : 3.0
#36#36	Qwen3.5 Plus 2026-04-20medium	7.6	Qwen	$0.317 ↓	46.36s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 2 Tokens de entrada 42,097 Tokens de salida 2,280 Tokens de razonamiento 166,613 Tiempo de respuesta (promedio) 46.36s Tiempo de respuesta (total) 973.57s Tiempo de respuesta (máximo) 189.38s Respuesta incorrecta: 8 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.9 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#31#31	DeepSeek V4 Flashhigh	7.7	DeepSeek	$0.029 ↓	45.85s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 74.6% Pruebas inestables 4 Tokens de entrada 39,745 Tokens de salida 10,310 Tokens de razonamiento 123,501 Tiempo de respuesta (promedio) 45.85s Tiempo de respuesta (total) 962.79s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 7.8 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 : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#94#94	GPT-5 Nanomedium	6.3	OpenAI	$0.081	42.51s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 57.1% Pruebas inestables 7 Tokens de entrada 34,108 Tokens de salida 5,464 Tokens de razonamiento 192,064 Tiempo de respuesta (promedio) 42.51s Tiempo de respuesta (total) 595.09s Tiempo de respuesta (máximo) 204.02s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 7.0 Combinado : 10.0 Análisis y extracción de datos : 3.7 Específico del dominio : 5.2 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#29#29	Qwen3.5-122B-A10Bmedium	7.8	Qwen	$0.588 ↓	42.49s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 73.0% Pruebas inestables 3 Tokens de entrada 41,832 Tokens de salida 26,187 Tokens de razonamiento 251,028 Tiempo de respuesta (promedio) 42.49s Tiempo de respuesta (total) 892.30s Tiempo de respuesta (máximo) 168.16s Respuesta incorrecta: 5 Tiempo agotado: 2 Trucos anti-IA : 10.0 Programación : 6.0 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 Cultura general : 3.0

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsNemotron 3 Ultra 550b A55bmediumDisponible gratis Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida