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)
#61#61	Qwen3.8 27Blow	7.9	Qwen	~$0.071	39.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 0 Tokens de entrada 99,705 Tokens de salida 1,545 Tokens de razonamiento 167,784 Tiempo de respuesta (promedio) 39.11s Tiempo de respuesta (total) 860.51s Tiempo de respuesta (máximo) 376.04s Respuesta incorrecta: 4 Sin respuesta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 7.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#62#62	Qwen3.7 Plusmedium	7.9	Qwen	$0.277 ↓	53.51s
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 115,242 Tokens de salida 6,163 Tokens de razonamiento 181,174 Tiempo de respuesta (promedio) 53.51s Tiempo de respuesta (total) 1177.25s Tiempo de respuesta (máximo) 315.30s Respuesta incorrecta: 5 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#63#63	Qwen3.6 Plusmedium	7.8	Qwen	$0.418 ↑	45.52s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 2 Tokens de entrada 97,698 Tokens de salida 6,417 Tokens de razonamiento 191,215 Tiempo de respuesta (promedio) 45.52s Tiempo de respuesta (total) 955.94s Tiempo de respuesta (máximo) 291.55s Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#64#64	Gemini 3.5 Flash Litemedium	7.8	Google	$0.272	5.12s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 6 Tokens de entrada 103,916 Tokens de salida 8,892 Tokens de razonamiento 87,343 Tiempo de respuesta (promedio) 5.12s Tiempo de respuesta (total) 112.73s Tiempo de respuesta (máximo) 26.41s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 7.9 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 2.8
#65#65	GLM 5.2medium	7.8	Z.ai	$0.114 ↓	23.28s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 9.5 Tasa de aciertos por intento 80.3% Pruebas inestables 4 Tokens de entrada 37,199 Tokens de salida 12,261 Tokens de razonamiento 49,500 Tiempo de respuesta (promedio) 23.28s Tiempo de respuesta (total) 488.94s Tiempo de respuesta (máximo) 101.36s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#66#66	GPT-5.6 Terramedium	7.8	OpenAI	$0.262 ↓	6.85s
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 79,184 Tokens de salida 4,878 Tokens de razonamiento 25,471 Tiempo de respuesta (promedio) 6.85s Tiempo de respuesta (total) 150.65s Tiempo de respuesta (máximo) 41.68s Respuesta incorrecta: 8 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#67#67	Claude Sonnet 4.6medium	7.8	Anthropic	$2.126	28.08s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 1 Tokens de entrada 106,316 Tokens de salida 79,338 Tokens de razonamiento 41,089 Tiempo de respuesta (promedio) 28.08s Tiempo de respuesta (total) 421.15s Tiempo de respuesta (máximo) 140.96s Respuesta incorrecta: 4 Formato extra: 3 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#68#68	Qwen3.8 27Bmedium	7.8	Qwen	~$0.058	33.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 98,266 Tokens de salida 1,861 Tokens de razonamiento 134,301 Tiempo de respuesta (promedio) 33.05s Tiempo de respuesta (total) 694.04s Tiempo de respuesta (máximo) 214.63s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Error de API: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.7 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#69#69	Seed-2.0-Litemedium	7.8	Bytedance Seed	$0.236	47.94s
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 129,906 Tokens de salida 12,530 Tokens de razonamiento 88,766 Tiempo de respuesta (promedio) 47.94s Tiempo de respuesta (total) 1054.57s Tiempo de respuesta (máximo) 254.92s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 8.3 Programación : 8.0 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 6.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#70#70	Claude Opus 4.8low	7.8	Anthropic	$2.089	12.88s
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 156,522 Tokens de salida 43,056 Tokens de razonamiento 9,181 Tiempo de respuesta (promedio) 12.88s Tiempo de respuesta (total) 283.32s Tiempo de respuesta (máximo) 127.97s Respuesta incorrecta: 4 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.6 Combinado : 9.9 Análisis y extracción de datos : 6.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#71#71	Qwen3.7 Flashhigh	7.8	Qwen	$0.052	41.37s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 6 Tokens de entrada 116,331 Tokens de salida 12,330 Tokens de razonamiento 357,920 Tiempo de respuesta (promedio) 41.37s Tiempo de respuesta (total) 910.11s Tiempo de respuesta (máximo) 431.47s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#72#72	GLM 5medium	7.7	Z.ai	$0.228 ↓	33.54s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 78.8% Pruebas inestables 4 Tokens de entrada 35,224 Tokens de salida 21,570 Tokens de razonamiento 102,996 Tiempo de respuesta (promedio) 33.54s Tiempo de respuesta (total) 435.99s Tiempo de respuesta (máximo) 99.85s Respuesta incorrecta: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 5.0 Análisis y extracción de datos : 7.1 Específico del dominio : 3.5 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#73#73	Seed-2.0-Codelow	7.7	Bytedance Seed	$0.767	72.24s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 8.5 Tasa de aciertos por intento 77.3% Pruebas inestables 6 Tokens de entrada 85,657 Tokens de salida 8,142 Tokens de razonamiento 233,167 Tiempo de respuesta (promedio) 72.24s Tiempo de respuesta (total) 1589.31s Tiempo de respuesta (máximo) 485.92s Respuesta incorrecta: 6 Error de API: 2 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 7.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 9.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#74#74	Claude Opus 4.6medium	7.7	Anthropic	$2.961	32.23s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 3 Tokens de entrada 108,573 Tokens de salida 69,994 Tokens de razonamiento 26,728 Tiempo de respuesta (promedio) 32.23s Tiempo de respuesta (total) 515.65s Tiempo de respuesta (máximo) 151.51s Formato extra: 4 Respuesta incorrecta: 4 No siguió las instrucciones: 1 Trucos anti-IA : 6.4 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#75#75	DeepSeek V4 Prohigh	7.7	DeepSeek	$0.555 ↑	92.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 6 Tokens de entrada 90,757 Tokens de salida 22,928 Tokens de razonamiento 186,516 Tiempo de respuesta (promedio) 92.50s Tiempo de respuesta (total) 2035.01s Tiempo de respuesta (máximo) 416.76s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 5.7 Programación : 6.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.8 Resolución de acertijos : 6.9 Llamada de herramientas : 9.8 Cultura general : 3.0
#76#76	DeepSeek V4 Flash 0423high	7.6	DeepSeek	$0.031 ↓	51.81s
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 108,480 Tokens de salida 37,229 Tokens de razonamiento 174,081 Tiempo de respuesta (promedio) 51.81s Tiempo de respuesta (total) 1139.75s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#77#77	GLM 5 Turbomedium	7.6	Z.ai	$0.323 ↑	23.00s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 35,593 Tokens de salida 12,245 Tokens de razonamiento 62,277 Tiempo de respuesta (promedio) 23.00s Tiempo de respuesta (total) 482.97s Tiempo de respuesta (máximo) 194.23s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#78#78	GPT-5.6 Lunahigh	7.6	OpenAI	$0.090 ↓	16.49s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 80,927 Tokens de salida 5,088 Tokens de razonamiento 130,227 Tiempo de respuesta (promedio) 16.49s Tiempo de respuesta (total) 362.78s Tiempo de respuesta (máximo) 111.09s Respuesta incorrecta: 8 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#79#79	Solar Pro 4xhigh	7.6	Upstage	$0.050	134.85s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 2 Tokens de entrada 98,116 Tokens de salida 21,720 Tokens de razonamiento 367,730 Tiempo de respuesta (promedio) 134.85s Tiempo de respuesta (total) 2966.79s Tiempo de respuesta (máximo) 491.42s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 2 Formato extra: 1 Trucos anti-IA : 8.3 Programación : 5.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 8.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#80#80	Nemotron 3 Ultramedium	7.6	NVIDIA	$0.780 ↕	33.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.8 Tasa de aciertos por intento 66.7% Pruebas inestables 3 Tokens de entrada 233,415 Tokens de salida 54,384 Tokens de razonamiento 130,021 Tiempo de respuesta (promedio) 33.62s Tiempo de respuesta (total) 739.59s Tiempo de respuesta (máximo) 392.56s Respuesta incorrecta: 7 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#81#81	Claude Opus 5none	7.5	Anthropic	$1.550	7.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 57.6% Pruebas inestables 1 Tokens de entrada 185,547 Tokens de salida 24,866 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.65s Tiempo de respuesta (total) 168.35s Tiempo de respuesta (máximo) 47.72s Respuesta incorrecta: 6 Formato extra: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 5.5 Programación : 5.9 Combinado : 8.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#82#82	GPT-5.4 Nanomedium	7.5	OpenAI	$0.142	13.32s
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 82,828 Tokens de salida 7,100 Tokens de razonamiento 92,781 Tiempo de respuesta (promedio) 13.32s Tiempo de respuesta (total) 292.97s Tiempo de respuesta (máximo) 94.06s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 9.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#83#83	GPT-5.6 Terralow	7.5	OpenAI	$0.210 ↓	5.45s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 6 Tokens de entrada 80,304 Tokens de salida 4,714 Tokens de razonamiento 16,872 Tiempo de respuesta (promedio) 5.45s Tiempo de respuesta (total) 119.83s Tiempo de respuesta (máximo) 19.85s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 6.6 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 4.7 Cultura general : 3.0
#84#84	MiniMax M3medium	7.5	Minimax	$0.300	75.15s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 9.7 Tasa de aciertos por intento 62.1% Pruebas inestables 5 Tokens de entrada 121,996 Tokens de salida 90,051 Tokens de razonamiento 185,731 Tiempo de respuesta (promedio) 75.15s Tiempo de respuesta (total) 1578.24s Tiempo de respuesta (máximo) 431.03s Respuesta incorrecta: 4 Tiempo agotado: 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 : 3.2 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#85#85	GPT 5.3 Chatnone	7.5	OpenAI	$0.533	6.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 4 Tokens de entrada 78,846 Tokens de salida 28,179 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.56s Tiempo de respuesta (total) 137.77s Tiempo de respuesta (máximo) 18.33s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Error de API: 1 Trucos anti-IA : 6.7 Programación : 5.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#86#86	Qwen3.5 Plus 2026-02-15medium	7.5	Qwen	$0.459 ↓	91.76s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 5 Tokens de entrada 113,569 Tokens de salida 9,823 Tokens de razonamiento 264,886 Tiempo de respuesta (promedio) 91.76s Tiempo de respuesta (total) 1376.42s Tiempo de respuesta (máximo) 304.85s Respuesta incorrecta: 4 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.6 Combinado : 6.9 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
#87#87	Qwen3.5-27Bmedium	7.5	Qwen	$0.982 ↓	113.28s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 6 Tokens de entrada 111,644 Tokens de salida 16,113 Tokens de razonamiento 598,796 Tiempo de respuesta (promedio) 113.28s Tiempo de respuesta (total) 2492.26s Tiempo de respuesta (máximo) 1026.43s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 6.2 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#88#88	GPT-5.4 Minimedium	7.5	OpenAI	$0.786	26.72s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 5 Tokens de entrada 97,164 Tokens de salida 6,211 Tokens de razonamiento 152,133 Tiempo de respuesta (promedio) 26.72s Tiempo de respuesta (total) 587.90s Tiempo de respuesta (máximo) 138.75s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.6 Programación : 8.4 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 4.7 Cultura general : 3.0
#89#89	Grok Build 0.1medium	7.5	X AI	$1.130	54.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 1 Tokens de entrada 106,946 Tokens de salida 7,993 Tokens de razonamiento 503,413 Tiempo de respuesta (promedio) 54.50s Tiempo de respuesta (total) 1199.07s Tiempo de respuesta (máximo) 252.69s Respuesta incorrecta: 6 Formato extra: 3 Trucos anti-IA : 8.3 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#90#90	Gemini 3.1 Flash Lite Previewmedium	7.4	Google	$0.117	4.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 0 Tokens de entrada 117,493 Tokens de salida 10,589 Tokens de razonamiento 47,189 Tiempo de respuesta (promedio) 4.59s Tiempo de respuesta (total) 101.04s Tiempo de respuesta (máximo) 18.34s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 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

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