Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)46.94sTiempo de respuesta (máximo)46.94sTiempo de respuesta (total)46.94s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.70sTiempo de respuesta (máximo)5.66sTiempo de respuesta (total)14.80s
Combinado
: 6.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)50.17sTiempo de respuesta (máximo)79.65sTiempo de respuesta (total)100.33s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.17sTiempo de respuesta (máximo)11.71sTiempo de respuesta (total)14.35s
Específico del dominio
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.35sTiempo de respuesta (máximo)7.33sTiempo de respuesta (total)19.05s
Inteligencia general
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.42sTiempo de respuesta (máximo)4.42sTiempo de respuesta (total)4.42s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.84sTiempo de respuesta (máximo)4.88sTiempo de respuesta (total)7.68s
Resolución de acertijos
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.31sTiempo de respuesta (máximo)3.63sTiempo de respuesta (total)9.92s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)15.76sTiempo de respuesta (máximo)15.76sTiempo de respuesta (total)15.76s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.41sTiempo de respuesta (máximo)3.41sTiempo de respuesta (total)3.41s
Tareas de agentes
: 5.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)148.99sTiempo de respuesta (máximo)148.99sTiempo de respuesta (total)148.99s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)9.56sTiempo de respuesta (máximo)13.35sTiempo de respuesta (total)38.24s
Programación
: 6.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)46.78sTiempo de respuesta (máximo)66.13sTiempo de respuesta (total)140.34s
Combinado
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)314.17sTiempo de respuesta (máximo)593.64sTiempo de respuesta (total)628.34s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)15.42sTiempo de respuesta (máximo)15.63sTiempo de respuesta (total)30.85s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)38.02sTiempo de respuesta (máximo)50.61sTiempo de respuesta (total)114.07s
Inteligencia general
: 5.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)10.18sTiempo de respuesta (máximo)10.18sTiempo de respuesta (total)10.18s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.80sTiempo de respuesta (máximo)7.80sTiempo de respuesta (total)7.80s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)29.17sTiempo de respuesta (máximo)29.17sTiempo de respuesta (total)29.17s
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)145.65sTiempo de respuesta (máximo)145.65sTiempo de respuesta (total)145.65s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)9.04sTiempo de respuesta (máximo)17.24sTiempo de respuesta (total)36.14s
Programación
: 6.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)479.30sTiempo de respuesta (máximo)560.39sTiempo de respuesta (total)1437.91s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)130.21sTiempo de respuesta (máximo)197.80sTiempo de respuesta (total)260.43s
Análisis y extracción de datos
: 6.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)10.77sTiempo de respuesta (máximo)18.66sTiempo de respuesta (total)21.54s
Inteligencia general
: 3.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)22.45sTiempo de respuesta (máximo)22.45sTiempo de respuesta (total)22.45s
Seguimiento de instrucciones
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.39sTiempo de respuesta (máximo)6.65sTiempo de respuesta (total)12.78s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)10.81sTiempo de respuesta (máximo)10.81sTiempo de respuesta (total)10.81s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)122.07sTiempo de respuesta (máximo)122.07sTiempo de respuesta (total)122.07s
Tareas de agentes
: 4.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)34.92sTiempo de respuesta (máximo)34.92sTiempo de respuesta (total)34.92s
Programación
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.04sTiempo de respuesta (máximo)3.06sTiempo de respuesta (total)6.11s
Combinado
: 6.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)7.84sTiempo de respuesta (máximo)12.40sTiempo de respuesta (total)15.69s
Análisis y extracción de datos
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.11sTiempo de respuesta (máximo)1.47sTiempo de respuesta (total)2.21s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)8.06sTiempo de respuesta (máximo)14.63sTiempo de respuesta (total)24.19s
Inteligencia general
: 4.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)821msTiempo de respuesta (máximo)821msTiempo de respuesta (total)821ms
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.07sTiempo de respuesta (máximo)1.07sTiempo de respuesta (total)1.07s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.89sTiempo de respuesta (máximo)1.89sTiempo de respuesta (total)1.89s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.58sTiempo de respuesta (máximo)2.58sTiempo de respuesta (total)2.58s
Tareas de agentes
: 5.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)130.38sTiempo de respuesta (máximo)130.38sTiempo de respuesta (total)130.38s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)13.40sTiempo de respuesta (máximo)45.73sTiempo de respuesta (total)53.58s
Combinado
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)41.23sTiempo de respuesta (máximo)69.44sTiempo de respuesta (total)82.45s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)14.72sTiempo de respuesta (máximo)24.97sTiempo de respuesta (total)29.43s
Específico del dominio
: 3.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)189.35sTiempo de respuesta (máximo)261.94sTiempo de respuesta (total)568.04s
Inteligencia general
: 5.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.17sTiempo de respuesta (máximo)4.17sTiempo de respuesta (total)4.17s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.52sTiempo de respuesta (máximo)1.89sTiempo de respuesta (total)3.03s
Resolución de acertijos
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)10.22sTiempo de respuesta (máximo)23.65sTiempo de respuesta (total)30.66s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.79sTiempo de respuesta (máximo)2.79sTiempo de respuesta (total)2.79s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)149.34sTiempo de respuesta (máximo)149.34sTiempo de respuesta (total)149.34s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 6Error de API: 3Tiempo de respuesta (promedio)6.27sTiempo de respuesta (máximo)31.55sTiempo de respuesta (total)144.28s…
Tareas de agentes
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)31.55sTiempo de respuesta (máximo)31.55sTiempo de respuesta (total)31.55s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.62sTiempo de respuesta (máximo)3.74sTiempo de respuesta (total)6.46s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)11.81sTiempo de respuesta (máximo)17.55sTiempo de respuesta (total)35.42s
Combinado
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 2Tiempo de respuesta (promedio)2.62sTiempo de respuesta (máximo)3.66sTiempo de respuesta (total)5.23s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.24sTiempo de respuesta (máximo)1.73sTiempo de respuesta (total)2.49s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)11.66sTiempo de respuesta (máximo)11.81sTiempo de respuesta (total)34.98s
Inteligencia general
: 4.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.87sTiempo de respuesta (máximo)1.87sTiempo de respuesta (total)1.87s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.24sTiempo de respuesta (máximo)1.61sTiempo de respuesta (total)2.47s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.91sTiempo de respuesta (máximo)6.18sTiempo de respuesta (total)11.74s
Llamada de herramientas
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)1.95sTiempo de respuesta (máximo)1.95sTiempo de respuesta (total)1.95s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)10.13sTiempo de respuesta (máximo)10.13sTiempo de respuesta (total)10.13s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 10Error de API: 2Tiempo de respuesta (promedio)19.40sTiempo de respuesta (máximo)209.15sTiempo de respuesta (total)446.11s…
Tareas de agentes
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)1.75sTiempo de respuesta (máximo)1.75sTiempo de respuesta (total)1.75s
Trucos anti-IA
: 6.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)4.20sTiempo de respuesta (máximo)9.56sTiempo de respuesta (total)16.82s
Programación
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)24.87sTiempo de respuesta (máximo)51.34sTiempo de respuesta (total)74.61s
Combinado
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)111.87sTiempo de respuesta (máximo)209.15sTiempo de respuesta (total)223.74s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.19sTiempo de respuesta (máximo)4.83sTiempo de respuesta (total)8.37s
Específico del dominio
: 3.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)22.86sTiempo de respuesta (máximo)44.39sTiempo de respuesta (total)68.59s
Inteligencia general
: 4.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.32sTiempo de respuesta (máximo)2.32sTiempo de respuesta (total)2.32s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.53sTiempo de respuesta (máximo)3.03sTiempo de respuesta (total)5.07s
Resolución de acertijos
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)3.11sTiempo de respuesta (máximo)4.16sTiempo de respuesta (total)9.33s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)18.45sTiempo de respuesta (máximo)18.45sTiempo de respuesta (total)18.45s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)17.06sTiempo de respuesta (máximo)17.06sTiempo de respuesta (total)17.06s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)51.18sTiempo de respuesta (máximo)51.18sTiempo de respuesta (total)51.18s
Trucos anti-IA
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 2Tiempo de respuesta (promedio)2.54sTiempo de respuesta (máximo)4.30sTiempo de respuesta (total)10.16s
Programación
: 3.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 2Formato extra: 1Tiempo de respuesta (promedio)6.07sTiempo de respuesta (máximo)7.23sTiempo de respuesta (total)18.20s
Combinado
: 8.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)23.58sTiempo de respuesta (máximo)26.16sTiempo de respuesta (total)47.16s
Análisis y extracción de datos
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Tiempo de respuesta (promedio)2.56sTiempo de respuesta (máximo)2.88sTiempo de respuesta (total)5.13s
Específico del dominio
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 2Respuesta incorrecta: 1Tiempo de respuesta (promedio)8.78sTiempo de respuesta (máximo)11.55sTiempo de respuesta (total)26.33s
Inteligencia general
: 5.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)2.27sTiempo de respuesta (máximo)2.27sTiempo de respuesta (total)2.27s
Seguimiento de instrucciones
: 6.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Tiempo de respuesta (promedio)1.88sTiempo de respuesta (máximo)2.03sTiempo de respuesta (total)3.76s
Resolución de acertijos
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Tiempo de respuesta (promedio)2.43sTiempo de respuesta (máximo)2.70sTiempo de respuesta (total)7.29s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.75sTiempo de respuesta (máximo)4.75sTiempo de respuesta (total)4.75s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)8.57sTiempo de respuesta (máximo)8.57sTiempo de respuesta (total)8.57s
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)70.45sTiempo de respuesta (máximo)70.45sTiempo de respuesta (total)70.45s
Trucos anti-IA
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)2.71sTiempo de respuesta (máximo)6.72sTiempo de respuesta (total)10.82s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)34.77sTiempo de respuesta (máximo)62.84sTiempo de respuesta (total)69.55s
Análisis y extracción de datos
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)1.00sTiempo de respuesta (máximo)1.67sTiempo de respuesta (total)2.00s
Específico del dominio
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)134.49sTiempo de respuesta (máximo)280.72sTiempo de respuesta (total)403.47s
Inteligencia general
: 4.6 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)5.16sTiempo de respuesta (máximo)5.16sTiempo de respuesta (total)5.16s
Resolución de acertijos
: 6.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 2Tiempo de respuesta (promedio)3.48sTiempo de respuesta (máximo)5.27sTiempo de respuesta (total)10.43s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.38sTiempo de respuesta (máximo)3.38sTiempo de respuesta (total)3.38s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)93.01sTiempo de respuesta (máximo)93.01sTiempo de respuesta (total)93.01s
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)88.48sTiempo de respuesta (máximo)88.48sTiempo de respuesta (total)88.48s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)6.02sTiempo de respuesta (máximo)8.79sTiempo de respuesta (total)24.07s
Programación
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)50.55sTiempo de respuesta (máximo)86.11sTiempo de respuesta (total)151.65s
Combinado
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)817.57sTiempo de respuesta (máximo)817.57sTiempo de respuesta (total)817.57s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)12.99sTiempo de respuesta (máximo)13.75sTiempo de respuesta (total)25.99s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)25.39sTiempo de respuesta (máximo)45.02sTiempo de respuesta (total)76.16s
Inteligencia general
: 4.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)8.66sTiempo de respuesta (máximo)8.66sTiempo de respuesta (total)8.66s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.50sTiempo de respuesta (máximo)10.22sTiempo de respuesta (total)15.00s
Resolución de acertijos
: 8.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)5.95sTiempo de respuesta (máximo)8.42sTiempo de respuesta (total)17.84s
Llamada de herramientas
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0ms
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)32.90sTiempo de respuesta (máximo)32.90sTiempo de respuesta (total)32.90s
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Tiempo agotado: 1Tiempo de respuesta (promedio)86.84sTiempo de respuesta (máximo)86.84sTiempo de respuesta (total)86.84s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.09sTiempo de respuesta (máximo)1.54sTiempo de respuesta (total)4.35s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.24sTiempo de respuesta (máximo)2.62sTiempo de respuesta (total)4.49s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)5.68sTiempo de respuesta (máximo)9.06sTiempo de respuesta (total)17.04s
Inteligencia general
: 5.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)1.88sTiempo de respuesta (máximo)1.88sTiempo de respuesta (total)1.88s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.05sTiempo de respuesta (máximo)1.15sTiempo de respuesta (total)2.09s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.21sTiempo de respuesta (máximo)1.54sTiempo de respuesta (total)3.64s
Llamada de herramientas
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)2.25sTiempo de respuesta (máximo)2.25sTiempo de respuesta (total)2.25s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)5.41sTiempo de respuesta (máximo)5.41sTiempo de respuesta (total)5.41s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 9Error de API: 1Sin respuesta: 1Tiempo de respuesta (promedio)7.62sTiempo de respuesta (máximo)80.30sTiempo de respuesta (total)175.36s…
Tareas de agentes
: 3.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)80.30sTiempo de respuesta (máximo)80.30sTiempo de respuesta (total)80.30s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.33sTiempo de respuesta (máximo)2.12sTiempo de respuesta (total)5.33s
Programación
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)6.58sTiempo de respuesta (máximo)8.12sTiempo de respuesta (total)19.74s
Combinado
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)16.00sTiempo de respuesta (máximo)23.63sTiempo de respuesta (total)32.00s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.08sTiempo de respuesta (máximo)4.24sTiempo de respuesta (total)6.16s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)4.86sTiempo de respuesta (máximo)7.32sTiempo de respuesta (total)14.58s
Inteligencia general
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.69sTiempo de respuesta (máximo)2.69sTiempo de respuesta (total)2.69s
Seguimiento de instrucciones
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)934msTiempo de respuesta (máximo)1.13sTiempo de respuesta (total)1.87s
Resolución de acertijos
: 8.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.39sTiempo de respuesta (máximo)1.86sTiempo de respuesta (total)4.17s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.06sTiempo de respuesta (máximo)3.06sTiempo de respuesta (total)3.06s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)5.48sTiempo de respuesta (máximo)5.48sTiempo de respuesta (total)5.48s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 8Error de API: 3Tiempo de respuesta (promedio)9.18sTiempo de respuesta (máximo)44.64sTiempo de respuesta (total)211.12s…
Tareas de agentes
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)44.64sTiempo de respuesta (máximo)44.64sTiempo de respuesta (total)44.64s
Trucos anti-IA
: 9.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.52sTiempo de respuesta (máximo)2.98sTiempo de respuesta (total)6.08s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)20.68sTiempo de respuesta (máximo)33.46sTiempo de respuesta (total)62.05s
Combinado
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 2Tiempo de respuesta (promedio)2.68sTiempo de respuesta (máximo)3.43sTiempo de respuesta (total)5.37s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.60sTiempo de respuesta (máximo)1.93sTiempo de respuesta (total)3.20s
Específico del dominio
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)20.22sTiempo de respuesta (máximo)24.34sTiempo de respuesta (total)60.66s
Inteligencia general
: 5.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.50sTiempo de respuesta (máximo)2.50sTiempo de respuesta (total)2.50s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.15sTiempo de respuesta (máximo)1.41sTiempo de respuesta (total)2.30s
Resolución de acertijos
: 5.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)4.46sTiempo de respuesta (máximo)7.42sTiempo de respuesta (total)13.38s
Llamada de herramientas
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)1.84sTiempo de respuesta (máximo)1.84sTiempo de respuesta (total)1.84s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)9.10sTiempo de respuesta (máximo)9.10sTiempo de respuesta (total)9.10s
Tareas de agentes
: 5.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)48.84sTiempo de respuesta (máximo)48.84sTiempo de respuesta (total)48.84s
Trucos anti-IA
: 6.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)4.16sTiempo de respuesta (máximo)6.41sTiempo de respuesta (total)16.65s
Programación
: 6.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)21.02sTiempo de respuesta (máximo)44.29sTiempo de respuesta (total)63.06s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.42sTiempo de respuesta (máximo)4.01sTiempo de respuesta (total)6.84s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)19.23sTiempo de respuesta (máximo)30.42sTiempo de respuesta (total)57.69s
Inteligencia general
: 4.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)4.70sTiempo de respuesta (máximo)4.70sTiempo de respuesta (total)4.70s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.40sTiempo de respuesta (máximo)3.57sTiempo de respuesta (total)6.79s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.20sTiempo de respuesta (máximo)4.53sTiempo de respuesta (total)12.59s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)18.45sTiempo de respuesta (máximo)18.45sTiempo de respuesta (total)18.45s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.42sTiempo de respuesta (máximo)7.42sTiempo de respuesta (total)7.42s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)107.19sTiempo de respuesta (máximo)107.19sTiempo de respuesta (total)107.19s
Trucos anti-IA
: 4.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4Tiempo de respuesta (promedio)2.11sTiempo de respuesta (máximo)3.94sTiempo de respuesta (total)8.46s
Programación
: 3.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)4.96sTiempo de respuesta (máximo)9.79sTiempo de respuesta (total)14.89s
Combinado
: 2.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Sin respuesta: 1Tiempo de respuesta (promedio)46.88sTiempo de respuesta (máximo)61.20sTiempo de respuesta (total)93.77s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.08sTiempo de respuesta (máximo)1.62sTiempo de respuesta (total)2.15s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)2.27sTiempo de respuesta (máximo)3.99sTiempo de respuesta (total)6.80s
Inteligencia general
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)790msTiempo de respuesta (máximo)790msTiempo de respuesta (total)790ms
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.98sTiempo de respuesta (máximo)2.28sTiempo de respuesta (total)3.97s
Resolución de acertijos
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.45sTiempo de respuesta (máximo)2.09sTiempo de respuesta (total)4.36s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)10.68sTiempo de respuesta (máximo)10.68sTiempo de respuesta (total)10.68s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.34sTiempo de respuesta (máximo)2.34sTiempo de respuesta (total)2.34s
Tareas de agentes
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)1.52sTiempo de respuesta (máximo)1.52sTiempo de respuesta (total)1.52s
Trucos anti-IA
: 7.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)3.17sTiempo de respuesta (máximo)4.99sTiempo de respuesta (total)12.67s
Programación
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)22.00sTiempo de respuesta (máximo)35.74sTiempo de respuesta (total)65.99s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)106.70sTiempo de respuesta (máximo)199.97sTiempo de respuesta (total)213.41s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.13sTiempo de respuesta (máximo)4.56sTiempo de respuesta (total)8.26s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)44.66sTiempo de respuesta (máximo)95.65sTiempo de respuesta (total)133.99s
Inteligencia general
: 5.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.27sTiempo de respuesta (máximo)3.27sTiempo de respuesta (total)3.27s
Seguimiento de instrucciones
: 9.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.67sTiempo de respuesta (máximo)2.87sTiempo de respuesta (total)5.33s
Resolución de acertijos
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.38sTiempo de respuesta (máximo)4.30sTiempo de respuesta (total)10.13s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)28.04sTiempo de respuesta (máximo)28.04sTiempo de respuesta (total)28.04s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)5.22sTiempo de respuesta (máximo)5.22sTiempo de respuesta (total)5.22s
Tareas de agentes
: 3.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)51.61sTiempo de respuesta (máximo)51.61sTiempo de respuesta (total)51.61s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)8.83sTiempo de respuesta (máximo)11.20sTiempo de respuesta (total)35.31s
Programación
: 5.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)41.23sTiempo de respuesta (máximo)64.81sTiempo de respuesta (total)123.69s
Combinado
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)55.07sTiempo de respuesta (máximo)63.99sTiempo de respuesta (total)110.13s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)18.97sTiempo de respuesta (máximo)26.99sTiempo de respuesta (total)37.93s
Específico del dominio
: 3.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)158.01sTiempo de respuesta (máximo)216.69sTiempo de respuesta (total)474.02s
Inteligencia general
: 5.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)24.70sTiempo de respuesta (máximo)24.70sTiempo de respuesta (total)24.70s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)18.58sTiempo de respuesta (máximo)31.48sTiempo de respuesta (total)37.15s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)17.66sTiempo de respuesta (máximo)17.66sTiempo de respuesta (total)17.66s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)44.47sTiempo de respuesta (máximo)44.47sTiempo de respuesta (total)44.47s
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)66.42sTiempo de respuesta (máximo)66.42sTiempo de respuesta (total)66.42s
Trucos anti-IA
: 4.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Sin respuesta: 1Tiempo de respuesta (promedio)41.96sTiempo de respuesta (máximo)155.23sTiempo de respuesta (total)167.84s
Programación
: 5.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)70.35sTiempo de respuesta (máximo)105.98sTiempo de respuesta (total)211.04s
Combinado
: 6.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)218.07sTiempo de respuesta (máximo)422.72sTiempo de respuesta (total)436.15s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.50sTiempo de respuesta (máximo)5.55sTiempo de respuesta (total)9.00s
Específico del dominio
: 3.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Sin respuesta: 1Tiempo de respuesta (promedio)67.48sTiempo de respuesta (máximo)121.62sTiempo de respuesta (total)202.43s
Inteligencia general
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)4.15sTiempo de respuesta (máximo)4.15sTiempo de respuesta (total)4.15s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.57sTiempo de respuesta (máximo)2.61sTiempo de respuesta (total)5.15s
Resolución de acertijos
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)3.43sTiempo de respuesta (máximo)4.37sTiempo de respuesta (total)10.29s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.01sTiempo de respuesta (máximo)3.01sTiempo de respuesta (total)3.01s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)10.88sTiempo de respuesta (máximo)10.88sTiempo de respuesta (total)10.88s
Tareas de agentes
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)55.86sTiempo de respuesta (máximo)55.86sTiempo de respuesta (total)55.86s
Trucos anti-IA
: 4.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)1.59sTiempo de respuesta (máximo)3.60sTiempo de respuesta (total)6.38s
Programación
: 3.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)2.77sTiempo de respuesta (máximo)4.03sTiempo de respuesta (total)8.32s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.01sTiempo de respuesta (máximo)1.06sTiempo de respuesta (total)2.02s
Específico del dominio
: 5.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)523msTiempo de respuesta (máximo)609msTiempo de respuesta (total)1.57s
Inteligencia general
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)1.12sTiempo de respuesta (máximo)1.12sTiempo de respuesta (total)1.12s
Seguimiento de instrucciones
: 6.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)513msTiempo de respuesta (máximo)570msTiempo de respuesta (total)1.03s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.04sTiempo de respuesta (máximo)2.04sTiempo de respuesta (total)2.04s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)295msTiempo de respuesta (máximo)295msTiempo de respuesta (total)295ms
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 9Sin respuesta: 1Tiempo de respuesta (promedio)6.05sTiempo de respuesta (máximo)57.84sTiempo de respuesta (total)102.89s…
Tareas de agentes
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)57.84sTiempo de respuesta (máximo)57.84sTiempo de respuesta (total)57.84s
Trucos anti-IA
: 8.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.25sTiempo de respuesta (máximo)1.59sTiempo de respuesta (total)2.49s
Programación
: 5.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)1.80sTiempo de respuesta (máximo)2.79sTiempo de respuesta (total)5.40s
Combinado
: 3.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)12.38sTiempo de respuesta (máximo)21.19sTiempo de respuesta (total)24.75s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.41sTiempo de respuesta (máximo)1.41sTiempo de respuesta (total)1.41s
Específico del dominio
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)879msTiempo de respuesta (máximo)963msTiempo de respuesta (total)1.76s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.13sTiempo de respuesta (máximo)1.13sTiempo de respuesta (total)1.13s
Seguimiento de instrucciones
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.58sTiempo de respuesta (máximo)1.58sTiempo de respuesta (total)1.58s
Resolución de acertijos
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.05sTiempo de respuesta (máximo)1.06sTiempo de respuesta (total)2.11s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)3.35sTiempo de respuesta (máximo)3.35sTiempo de respuesta (total)3.35s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.07sTiempo de respuesta (máximo)1.07sTiempo de respuesta (total)1.07s
Tareas de agentes
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)50.05sTiempo de respuesta (máximo)50.05sTiempo de respuesta (total)50.05s
Trucos anti-IA
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.42sTiempo de respuesta (máximo)2.72sTiempo de respuesta (total)5.66s
Programación
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)17.15sTiempo de respuesta (máximo)24.93sTiempo de respuesta (total)51.46s
Combinado
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 2Tiempo de respuesta (promedio)3.04sTiempo de respuesta (máximo)4.53sTiempo de respuesta (total)6.08s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)1.23sTiempo de respuesta (máximo)1.43sTiempo de respuesta (total)2.46s
Específico del dominio
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)31.89sTiempo de respuesta (máximo)54.48sTiempo de respuesta (total)95.68s
Inteligencia general
: 5.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.63sTiempo de respuesta (máximo)3.63sTiempo de respuesta (total)3.63s
Seguimiento de instrucciones
: 8.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)866msTiempo de respuesta (máximo)956msTiempo de respuesta (total)1.73s
Resolución de acertijos
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)3.94sTiempo de respuesta (máximo)5.76sTiempo de respuesta (total)11.82s
Llamada de herramientas
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)2.15sTiempo de respuesta (máximo)2.15sTiempo de respuesta (total)2.15s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)24.53sTiempo de respuesta (máximo)24.53sTiempo de respuesta (total)24.53s
Tareas de agentes
: 4.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)272.28sTiempo de respuesta (máximo)272.28sTiempo de respuesta (total)272.28s
Trucos anti-IA
: 8.2 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo de respuesta (promedio)53.37sTiempo de respuesta (máximo)74.40sTiempo de respuesta (total)213.47s
Programación
: 5.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)310.39sTiempo de respuesta (máximo)518.33sTiempo de respuesta (total)931.17s
Combinado
: 6.4 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)294.82sTiempo de respuesta (máximo)519.91sTiempo de respuesta (total)589.65s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)43.08sTiempo de respuesta (máximo)47.23sTiempo de respuesta (total)86.16s
Específico del dominio
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)201.85sTiempo de respuesta (máximo)333.26sTiempo de respuesta (total)605.54s
Inteligencia general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)48.00sTiempo de respuesta (máximo)48.00sTiempo de respuesta (total)48.00s
Seguimiento de instrucciones
: 9.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)40.08sTiempo de respuesta (máximo)56.63sTiempo de respuesta (total)80.15s
Resolución de acertijos
: 9.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)45.83sTiempo de respuesta (máximo)74.11sTiempo de respuesta (total)137.48s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.86sTiempo de respuesta (máximo)7.86sTiempo de respuesta (total)7.86s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)108.62sTiempo de respuesta (máximo)108.62sTiempo de respuesta (total)108.62s
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4Formato extra: 3Tiempo agotado: 1Tiempo de respuesta (promedio)28.08sTiempo de respuesta (máximo)140.96sTiempo de respuesta (total)421.15s…
Tareas de agentes
: 0.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0ms
Trucos anti-IA
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.98sTiempo de respuesta (máximo)4.95sTiempo de respuesta (total)5.97s
Programación
: 5.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Formato extra: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)33.29sTiempo de respuesta (máximo)35.76sTiempo de respuesta (total)99.86s
Combinado
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)93.65sTiempo de respuesta (máximo)140.96sTiempo de respuesta (total)187.31s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)13.90sTiempo de respuesta (máximo)13.90sTiempo de respuesta (total)13.90s
Inteligencia general
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)4.94sTiempo de respuesta (máximo)4.94sTiempo de respuesta (total)4.94s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.61sTiempo de respuesta (máximo)2.61sTiempo de respuesta (total)2.61s
Resolución de acertijos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)5.31sTiempo de respuesta (máximo)6.24sTiempo de respuesta (total)10.62s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)7.48sTiempo de respuesta (máximo)7.48sTiempo de respuesta (total)7.48s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)30.09sTiempo de respuesta (máximo)30.09sTiempo de respuesta (total)30.09s
Tareas de agentes
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)87.61sTiempo de respuesta (máximo)87.61sTiempo de respuesta (total)87.61s
Trucos anti-IA
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)2.91sTiempo de respuesta (máximo)7.21sTiempo de respuesta (total)11.66s
Combinado
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)34.36sTiempo de respuesta (máximo)61.86sTiempo de respuesta (total)68.72s
Análisis y extracción de datos
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 1Tiempo de respuesta (promedio)949msTiempo de respuesta (máximo)1.56sTiempo de respuesta (total)1.90s
Específico del dominio
: 7.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)50.99sTiempo de respuesta (máximo)76.87sTiempo de respuesta (total)152.96s
Inteligencia general
: 5.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.26sTiempo de respuesta (máximo)6.26sTiempo de respuesta (total)6.26s
Resolución de acertijos
: 7.8 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)10.22sTiempo de respuesta (máximo)26.01sTiempo de respuesta (total)30.66s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)2.78sTiempo de respuesta (máximo)2.78sTiempo de respuesta (total)2.78s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)72.27sTiempo de respuesta (máximo)72.27sTiempo de respuesta (total)72.27s
Tareas de agentes
: 3.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Tiempo agotado: 1Tiempo de respuesta (promedio)566.79sTiempo de respuesta (máximo)566.79sTiempo de respuesta (total)566.79s
Trucos anti-IA
: 7.3 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)51.38sTiempo de respuesta (máximo)85.28sTiempo de respuesta (total)102.75s
Programación
: 6.1 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Sin respuesta: 1Tiempo agotado: 1Tiempo de respuesta (promedio)217.49sTiempo de respuesta (máximo)281.00sTiempo de respuesta (total)652.48s
Combinado
: 6.7 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)89.19sTiempo de respuesta (máximo)107.01sTiempo de respuesta (total)178.38s
Análisis y extracción de datos
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)49.78sTiempo de respuesta (máximo)49.78sTiempo de respuesta (total)49.78s
Específico del dominio
: 2.9 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo agotado: 1Tiempo de respuesta (promedio)111.65sTiempo de respuesta (máximo)137.29sTiempo de respuesta (total)223.30s
Inteligencia general
: 6.5 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)69.73sTiempo de respuesta (máximo)69.73sTiempo de respuesta (total)69.73s
Seguimiento de instrucciones
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)92.47sTiempo de respuesta (máximo)92.47sTiempo de respuesta (total)92.47s
Llamada de herramientas
: 10.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)31.74sTiempo de respuesta (máximo)31.74sTiempo de respuesta (total)31.74s
Cultura general
: 3.0 Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)83.95sTiempo de respuesta (máximo)83.95sTiempo de respuesta (total)83.95s
Tendencias globales del benchmark
Descubre cómo los modelos actuales equilibran puntuación, costo, velocidad, longitud de salida y rendimiento por categoría.