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: 2026-08-15 Modelos evaluados: 287

Modelos recomendados

GPT-5.6 Sol high Inteligente Tasa de aciertos por intento 89.4% Pruebas correctas 18 / 22 Puntuación 9.4/10 GPT-5.6 Luna medium Rápido Tiempo de respuesta (promedio) 7.43s Total de tokens de salida 44,525 Puntuación 7.4/10 DeepSeek V4 Flash 0731 high Económico Precio de entrada $0.140 / 1M Precio de salida $0.280 / 1M Puntuación 8.0/10

287/287

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#31#31	Muse Spark 1.2medium	8.6	Meta	$1.339	19.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 4 Tokens de entrada 123,680 Tokens de salida 7,222 Tokens de razonamiento 271,442 Tiempo de respuesta (promedio) 19.67s Tiempo de respuesta (total) 432.72s Tiempo de respuesta (máximo) 142.49s No siguió las instrucciones: 3 Respuesta incorrecta: 3 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 10.0 Combinado : 8.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#32#32	Muse Spark 1.1medium	8.6	Meta	$1.420	26.25s
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 142,147 Tokens de salida 7,905 Tokens de razonamiento 284,247 Tiempo de respuesta (promedio) 26.25s Tiempo de respuesta (total) 577.47s 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
#33#33	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
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 89,640 Tokens de salida 33,092 Tokens de razonamiento 9,054 Tiempo de respuesta (promedio) 15.01s Tiempo de respuesta (total) 330.15s Tiempo de respuesta (máximo) 80.80s Sin respuesta: 3 Llamada de herramienta no válida: 1 Respuesta incorrecta: 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
#34#34	Qwen3.6 Max Previewmedium	8.6	Qwen	$1.132 ↓	66.52s
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 79,249 Tokens de salida 5,097 Tokens de razonamiento 165,276 Tiempo de respuesta (promedio) 66.52s Tiempo de respuesta (total) 1463.50s Tiempo de respuesta (máximo) 238.07s Respuesta incorrecta: 4 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.8 Combinado : 7.3 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 : 3.0
#35#35	Qwen3.8 Maxlow	8.6	Qwen	$0.702	21.83s
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 99,181 Tokens de salida 6,132 Tokens de razonamiento 77,689 Tiempo de respuesta (promedio) 21.83s Tiempo de respuesta (total) 480.37s Tiempo de respuesta (máximo) 155.75s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#36#36	GPT-5.4medium	8.5	OpenAI	$1.560	22.85s
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 81,136 Tokens de salida 6,155 Tokens de razonamiento 84,311 Tiempo de respuesta (promedio) 22.85s Tiempo de respuesta (total) 502.78s 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
#37#37	Grok 4.5medium	8.5	X AI	$2.042	68.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 3 Tokens de entrada 122,155 Tokens de salida 5,514 Tokens de razonamiento 293,946 Tiempo de respuesta (promedio) 68.59s Tiempo de respuesta (total) 1508.91s Tiempo de respuesta (máximo) 436.38s Respuesta incorrecta: 5 Trucos anti-IA : 10.0 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#38#38	Muse Spark 1.2low	8.4	Meta	$0.655	9.77s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 3 Tokens de entrada 101,811 Tokens de salida 8,025 Tokens de razonamiento 115,938 Tiempo de respuesta (promedio) 9.77s Tiempo de respuesta (total) 214.83s Tiempo de respuesta (máximo) 47.80s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Trucos anti-IA : 9.2 Programación : 8.4 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#39#39	Grok 4.6medium	8.4	X AI	$1.713	73.46s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 81.8% Pruebas inestables 4 Tokens de entrada 106,787 Tokens de salida 4,811 Tokens de razonamiento 244,997 Tiempo de respuesta (promedio) 73.46s Tiempo de respuesta (total) 1616.12s Tiempo de respuesta (máximo) 514.35s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#40#40	Grok 4.5low	8.4	X AI	$0.945	16.17s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 2 Tokens de entrada 125,605 Tokens de salida 7,505 Tokens de razonamiento 107,984 Tiempo de respuesta (promedio) 16.17s Tiempo de respuesta (total) 355.67s 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 : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#41#41	GPT-5.2medium	8.4	OpenAI	$1.182	28.51s
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 105,013 Tokens de salida 9,914 Tokens de razonamiento 61,338 Tiempo de respuesta (promedio) 28.51s Tiempo de respuesta (total) 456.13s Tiempo de respuesta (máximo) 116.86s 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
#42#42	Qwen3.8 27Bhigh	8.4	Qwen	~$0.287	167.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.6 Tasa de aciertos por intento 77.3% Pruebas inestables 2 Tokens de entrada 100,179 Tokens de salida 904 Tokens de razonamiento 655,731 Tiempo de respuesta (promedio) 167.89s Tiempo de respuesta (total) 3693.54s Tiempo de respuesta (máximo) 640.85s No siguió las instrucciones: 2 Sin respuesta: 2 Respuesta incorrecta: 2 Trucos anti-IA : 10.0 Programación : 8.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#43#43	Seed 2.1 Turbomedium	8.4	Bytedance Seed	$1.951	193.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 5 Tokens de entrada 104,433 Tokens de salida 6,511 Tokens de razonamiento 752,680 Tiempo de respuesta (promedio) 193.59s Tiempo de respuesta (total) 4258.98s Tiempo de respuesta (máximo) 885.33s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.2 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 9.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#44#44	Inkling Smallhigh	8.4	Thinkingmachines	$0.398 ↓	30.43s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 2 Tokens de entrada 85,669 Tokens de salida 6,092 Tokens de razonamiento 292,801 Tiempo de respuesta (promedio) 30.43s Tiempo de respuesta (total) 669.38s Tiempo de respuesta (máximo) 122.60s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.8 Llamada de herramientas : 3.0 Cultura general : 3.0
#45#45	Muse Spark 1.1low	8.3	Meta	$0.673	11.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 141,878 Tokens de salida 11,033 Tokens de razonamiento 105,456 Tiempo de respuesta (promedio) 11.89s Tiempo de respuesta (total) 261.69s Tiempo de respuesta (máximo) 54.15s Respuesta incorrecta: 5 No siguió las instrucciones: 3 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 : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 8.3 Llamada de herramientas : 9.8 Cultura general : 3.0
#46#46	Gemini 2.5 Flashmedium	8.2	Google	$0.644	21.14s
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 132,507 Tokens de salida 12,739 Tokens de razonamiento 228,626 Tiempo de respuesta (promedio) 21.14s Tiempo de respuesta (total) 465.10s 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
#47#47	Claude Sonnet 5medium	8.2	Anthropic	$0.922	12.54s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 3 Tokens de entrada 145,953 Tokens de salida 52,330 Tokens de razonamiento 10,874 Tiempo de respuesta (promedio) 12.54s Tiempo de respuesta (total) 275.90s Tiempo de respuesta (máximo) 66.71s Respuesta incorrecta: 5 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 : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#48#48	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.4 Tasa de aciertos por intento 72.7% Pruebas inestables 2 Tokens de entrada 113,279 Tokens de salida 121,045 Tokens de razonamiento 374,496 Tiempo de respuesta (promedio) 118.97s Tiempo de respuesta (total) 2617.41s Tiempo de respuesta (máximo) 534.21s Respuesta incorrecta: 4 Sin respuesta: 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 : 3.2 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#49#49	GPT-5 Minimedium	8.1	OpenAI	$0.241	27.64s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 4 Tokens de entrada 98,383 Tokens de salida 14,409 Tokens de razonamiento 93,610 Tiempo de respuesta (promedio) 27.64s Tiempo de respuesta (total) 608.02s 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 : 3.5 Inteligencia general : 4.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#50#50	Muse Glimmer 30Bxhigh	8.1	Meta	$0.635	95.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.9 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 110,930 Tokens de salida 116,373 Tokens de razonamiento 330,471 Tiempo de respuesta (promedio) 95.55s Tiempo de respuesta (total) 2102.12s Tiempo de respuesta (máximo) 576.79s Respuesta incorrecta: 4 Sin respuesta: 3 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#51#51	Inklinghigh	8.0	Thinkingmachines	$1.041 ↓	62.57s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 77.3% Pruebas inestables 3 Tokens de entrada 86,755 Tokens de salida 6,057 Tokens de razonamiento 230,570 Tiempo de respuesta (promedio) 62.57s Tiempo de respuesta (total) 1376.46s Tiempo de respuesta (máximo) 327.51s Respuesta incorrecta: 4 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 8.5 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#52#52	Muse Spark 1.1high	8.0	Meta	$1.709	30.84s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 6 Tokens de entrada 129,003 Tokens de salida 8,340 Tokens de razonamiento 355,649 Tiempo de respuesta (promedio) 30.84s Tiempo de respuesta (total) 647.67s Tiempo de respuesta (máximo) 196.03s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Error de API: 1 Formato extra: 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 : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 7.8 Llamada de herramientas : 9.6 Cultura general : 3.0
#53#53	DeepSeek V4 Flash 0731low	8.0	DeepSeek	$0.072	77.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 5 Tokens de entrada 93,345 Tokens de salida 35,723 Tokens de razonamiento 350,266 Tiempo de respuesta (promedio) 77.55s Tiempo de respuesta (total) 1706.18s Tiempo de respuesta (máximo) 438.65s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.2 Programación : 7.3 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#54#54	DeepSeek V4 Flash 0731high	8.0	DeepSeek	$0.134	114.94s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 5 Tokens de entrada 96,702 Tokens de salida 16,966 Tokens de razonamiento 496,341 Tiempo de respuesta (promedio) 114.94s Tiempo de respuesta (total) 2528.65s Tiempo de respuesta (máximo) 600.61s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 6.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#55#55	GLM 5.2high	8.0	Z.ai	$0.603 ↓	69.86s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 3 Tokens de entrada 83,822 Tokens de salida 72,040 Tokens de razonamiento 292,615 Tiempo de respuesta (promedio) 69.86s Tiempo de respuesta (total) 1536.98s Tiempo de respuesta (máximo) 599.43s Tiempo agotado: 3 Sin respuesta: 2 Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#56#56	Inklingmedium	8.0	Thinkingmachines	$0.377 ↓	15.66s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 4 Tokens de entrada 124,062 Tokens de salida 12,190 Tokens de razonamiento 51,652 Tiempo de respuesta (promedio) 15.66s Tiempo de respuesta (total) 344.52s Tiempo de respuesta (máximo) 85.12s Respuesta incorrecta: 4 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 2.8
#57#57	GPT-5.6 Terrahigh	8.0	OpenAI	$0.418 ↓	11.22s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 2 Tokens de entrada 81,056 Tokens de salida 5,055 Tokens de razonamiento 51,033 Tiempo de respuesta (promedio) 11.22s Tiempo de respuesta (total) 246.77s Tiempo de respuesta (máximo) 91.49s Respuesta incorrecta: 7 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 7.6 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#58#58	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.0 Tasa de aciertos por intento 77.3% Pruebas inestables 2 Tokens de entrada 34,960 Tokens de salida 2,887 Tokens de razonamiento 221,241 Tiempo de respuesta (promedio) 142.84s Tiempo de respuesta (total) 2714.02s Tiempo de respuesta (máximo) 766.58s Error de API: 2 Sin respuesta: 2 Formato extra: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.5 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#59#59	GPT-5.2 Chatnone	7.9	OpenAI	$0.594	7.73s
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 101,104 Tokens de salida 29,742 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.73s Tiempo de respuesta (total) 162.40s Tiempo de respuesta (máximo) 38.52s Respuesta incorrecta: 6 Error de API: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#60#60	Step 3.7 Flashmedium	7.9	Stepfun	$0.495	23.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 3 Tokens de entrada 114,191 Tokens de salida 409,709 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 23.51s Tiempo de respuesta (total) 517.21s Tiempo de respuesta (máximo) 152.83s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0 Cultura general : 3.0

Comparación rápida

Gemini 3.6 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsGemini 3.7 Flashlow

Leaderboard de AI Benchy

Modelos recomendados

Filtrar modelos

Comparación rápida