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: 2026-10-03 Modelos evaluados: 391

Modelos recomendados

GPT-6.1 Sol xhigh Inteligente Tasa de aciertos por intento 97.1% Pruebas correctas 22 / 23 Puntuación 9.9/10 Gemini 3.7 Flash low Rápido Tiempo de respuesta (promedio) 6.24s Total de tokens de salida 38,453 Puntuación 9.4/10 GPT-6 Luna high Económico Precio de entrada $0.100 / 1M Precio de salida $0.500 / 1M Precio de lectura de caché $0.010 / 1M Precio de escritura de caché $0.125 / 1M Puntuación 7.7/10

391/391

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#76#76	GPT-5.6 Terrahigh	8.3	OpenAI	$0.698 ↓	13.62s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 69.6% Pruebas inestables 2 Tokens de entrada 197,239 Tokens de salida 6,083 Tokens de razonamiento 53,982 Tiempo de respuesta (promedio) 13.62s Tiempo de respuesta (total) 313.21s Tiempo de respuesta (máximo) 91.49s Respuesta incorrecta: 7 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 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
#77#77	Gemini 3.5 Flashhigh	8.3	Google	$2.737	18.59s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 85.5% Pruebas inestables 2 Tokens de entrada 348,103 Tokens de salida 11,045 Tokens de razonamiento 234,967 Tiempo de respuesta (promedio) 18.59s Tiempo de respuesta (total) 427.52s Tiempo de respuesta (máximo) 145.92s Llamada de herramienta no válida: 2 Respuesta incorrecta: 2 Tareas de agentes : 3.4 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 9.8 Cultura general : 10.0
#78#78	Kimi K3max	8.3	Moonshot AI	$3.611 ↓	139.41s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 9.3 Tasa de aciertos por intento 78.3% Pruebas inestables 2 Tokens de entrada 170,700 Tokens de salida 7,719 Tokens de razonamiento 225,608 Tiempo de respuesta (promedio) 139.41s Tiempo de respuesta (total) 2788.26s Tiempo de respuesta (máximo) 766.58s Error de API: 2 Sin respuesta: 2 Formato extra: 1 Tiempo agotado: 1 Tareas de agentes : 10.0 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
#79#79	GPT-6 Lunamedium	8.3	OpenAI	$0.047	18.07s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 73.9% Pruebas inestables 3 Tokens de entrada 203,193 Tokens de salida 5,751 Tokens de razonamiento 47,410 Tiempo de respuesta (promedio) 18.07s Tiempo de respuesta (total) 415.53s Tiempo de respuesta (máximo) 66.44s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Tareas de agentes : 10.0 Trucos anti-IA : 8.3 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#80#80	Claude Opus 4.8medium	8.3	Anthropic	$3.490	16.72s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 82.6% Pruebas inestables 3 Tokens de entrada 360,294 Tokens de salida 43,441 Tokens de razonamiento 24,401 Tiempo de respuesta (promedio) 16.72s Tiempo de respuesta (total) 384.66s Tiempo de respuesta (máximo) 99.37s Respuesta incorrecta: 5 Sin respuesta: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.9 Análisis y extracción de datos : 7.1 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
#81#81	Ling 3.1 Flashmedium	8.3	Inclusionai	$0.000	88.74s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 71.0% Pruebas inestables 3 Tokens de entrada 369,495 Tokens de salida 172,852 Tokens de razonamiento 476,002 Tiempo de respuesta (promedio) 88.74s Tiempo de respuesta (total) 2041.10s Tiempo de respuesta (máximo) 567.88s Sin respuesta: 4 Respuesta incorrecta: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 6.6 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 8.2 Llamada de herramientas : 2.8 Cultura general : 3.0
#82#82	Qwen3.7 Plusmedium	8.3	Qwen	$0.415 ↓	59.73s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 3 Tokens de entrada 350,546 Tokens de salida 8,576 Tokens de razonamiento 206,984 Tiempo de respuesta (promedio) 59.73s Tiempo de respuesta (total) 1373.73s Tiempo de respuesta (máximo) 315.30s Respuesta incorrecta: 6 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 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
#83#83	Grok 4.5high	8.2	X AI	$2.687 ↑	72.50s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 82.6% Pruebas inestables 3 Tokens de entrada 342,124 Tokens de salida 7,135 Tokens de razonamiento 326,497 Tiempo de respuesta (promedio) 72.50s Tiempo de respuesta (total) 1667.51s Tiempo de respuesta (máximo) 676.83s Respuesta incorrecta: 3 Sin respuesta: 2 No siguió las instrucciones: 1 Tareas de agentes : 5.0 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#84#84	GLM 5.2medium	8.2	Z.ai	$0.417 ↓	26.88s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 9.6 Tasa de aciertos por intento 81.2% Pruebas inestables 4 Tokens de entrada 227,164 Tokens de salida 20,029 Tokens de razonamiento 60,991 Tiempo de respuesta (promedio) 26.88s Tiempo de respuesta (total) 591.34s Tiempo de respuesta (máximo) 102.40s Respuesta incorrecta: 3 Sin respuesta: 2 Tiempo agotado: 1 Tareas de agentes : 10.0 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
#85#85	GPT-5.6 Terramedium	8.2	OpenAI	$0.483 ↓	8.93s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 2 Tokens de entrada 172,507 Tokens de salida 5,824 Tokens de razonamiento 27,365 Tiempo de respuesta (promedio) 8.93s Tiempo de respuesta (total) 205.39s Tiempo de respuesta (máximo) 54.74s Respuesta incorrecta: 8 Tareas de agentes : 10.0 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
#86#86	Seed-2.0-Litemedium	8.2	Bytedance Seed	$0.271	48.87s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 4 Tokens de entrada 229,530 Tokens de salida 13,757 Tokens de razonamiento 92,662 Tiempo de respuesta (promedio) 48.87s Tiempo de respuesta (total) 1123.91s Tiempo de respuesta (máximo) 254.92s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Sin respuesta: 1 Tareas de agentes : 10.0 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
#87#87	Seed-2.0-Codelow	8.1	Bytedance Seed	$0.881	73.02s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 8.9 Tasa de aciertos por intento 78.3% Pruebas inestables 6 Tokens de entrada 237,604 Tokens de salida 9,617 Tokens de razonamiento 244,190 Tiempo de respuesta (promedio) 73.02s Tiempo de respuesta (total) 1679.49s Tiempo de respuesta (máximo) 485.92s Respuesta incorrecta: 7 Error de API: 1 No siguió las instrucciones: 1 Tareas de agentes : 10.0 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
#88#88	DeepSeek V4 Pro 0423high	8.1	DeepSeek	$0.149 ↓	91.29s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 6 Tokens de entrada 287,061 Tokens de salida 32,056 Tokens de razonamiento 196,607 Tiempo de respuesta (promedio) 91.29s Tiempo de respuesta (total) 2099.56s Tiempo de respuesta (máximo) 416.76s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Sin respuesta: 1 Tareas de agentes : 10.0 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
#89#89	Claude Opus 4.7medium	8.1	Anthropic	$3.636	14.12s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 81.2% Pruebas inestables 2 Tokens de entrada 437,293 Tokens de salida 29,102 Tokens de razonamiento 28,876 Tiempo de respuesta (promedio) 14.12s Tiempo de respuesta (total) 310.55s Tiempo de respuesta (máximo) 150.60s Respuesta incorrecta: 3 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 5.2 Trucos anti-IA : 8.3 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#90#90	DeepSeek V4 Flash 0423high	8.1	DeepSeek	$0.020 ↓	55.99s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 4 Tokens de entrada 298,794 Tokens de salida 45,873 Tokens de razonamiento 188,721 Tiempo de respuesta (promedio) 55.99s Tiempo de respuesta (total) 1287.87s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 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
#91#91	DeepSeek V4.1 Flashlow	8.0	DeepSeek	$0.526 ↑	28.04s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 9.6 Tasa de aciertos por intento 73.9% Pruebas inestables 4 Tokens de entrada 266,849 Tokens de salida 8,284 Tokens de razonamiento 363,263 Tiempo de respuesta (promedio) 28.04s Tiempo de respuesta (total) 645.03s Tiempo de respuesta (máximo) 149.84s Respuesta incorrecta: 7 Error de API: 1 Tareas de agentes : 6.1 Trucos anti-IA : 8.3 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#92#92	GPT-5.6 Lunahigh	8.0	OpenAI	$0.118 ↓	18.39s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.0% Pruebas inestables 4 Tokens de entrada 197,896 Tokens de salida 6,211 Tokens de razonamiento 133,184 Tiempo de respuesta (promedio) 18.39s Tiempo de respuesta (total) 422.93s Tiempo de respuesta (máximo) 111.09s Respuesta incorrecta: 8 Tareas de agentes : 10.0 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
#93#93	Nemotron 3 Ultramedium	8.0	NVIDIA	$0.674 ↕	40.33s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 9.8 Tasa de aciertos por intento 68.1% Pruebas inestables 3 Tokens de entrada 482,754 Tokens de salida 62,455 Tokens de razonamiento 141,067 Tiempo de respuesta (promedio) 40.33s Tiempo de respuesta (total) 927.65s Tiempo de respuesta (máximo) 392.56s Respuesta incorrecta: 7 Error de API: 1 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 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
#94#94	GPT-5.4 Nanomedium	8.0	OpenAI	$0.235 ↑	15.95s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 4 Tokens de entrada 237,088 Tokens de salida 8,235 Tokens de razonamiento 102,675 Tiempo de respuesta (promedio) 15.95s Tiempo de respuesta (total) 366.93s Tiempo de respuesta (máximo) 94.06s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Tareas de agentes : 10.0 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
#95#95	Gemini 3.8 Flashmedium	8.0	Google	$0.769	16.64s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 9.9 Tasa de aciertos por intento 89.9% Pruebas inestables 3 Tokens de entrada 187,331 Tokens de salida 7,555 Tokens de razonamiento 159,931 Tiempo de respuesta (promedio) 16.64s Tiempo de respuesta (total) 382.64s Tiempo de respuesta (máximo) 108.60s Respuesta incorrecta: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Tareas de agentes : 2.8 Trucos anti-IA : 10.0 Programación : 8.0 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 8.2 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#96#96	GPT-5.6 Terralow	7.9	OpenAI	$0.435 ↓	7.58s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 75.4% Pruebas inestables 6 Tokens de entrada 176,890 Tokens de salida 5,688 Tokens de razonamiento 18,525 Tiempo de respuesta (promedio) 7.58s Tiempo de respuesta (total) 174.39s Tiempo de respuesta (máximo) 54.57s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 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
#97#97	Qwen3.5-27Bmedium	7.9	Qwen	$1.135	114.73s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 76.8% Pruebas inestables 6 Tokens de entrada 288,919 Tokens de salida 17,484 Tokens de razonamiento 617,804 Tiempo de respuesta (promedio) 114.73s Tiempo de respuesta (total) 2638.74s 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 Tareas de agentes : 10.0 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
#98#98	GLM 5.3 FlashXmax	7.9	Z.ai	$0.623	43.97s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 78.3% Pruebas inestables 6 Tokens de entrada 322,894 Tokens de salida 8,010 Tokens de razonamiento 394,755 Tiempo de respuesta (promedio) 43.97s Tiempo de respuesta (total) 1011.29s Tiempo de respuesta (máximo) 390.70s Llamada de herramienta no válida: 2 Sin respuesta: 2 Respuesta incorrecta: 2 Formato extra: 1 No siguió las instrucciones: 1 Tareas de agentes : 6.1 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 8.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#99#99	Claude Fable 5.1high	7.9	Anthropic	$3.471	13.30s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 85.5% Pruebas inestables 1 Tokens de entrada 144,676 Tokens de salida 8,184 Tokens de razonamiento 32,282 Tiempo de respuesta (promedio) 13.30s Tiempo de respuesta (total) 305.83s Tiempo de respuesta (máximo) 40.17s Respuesta incorrecta: 3 Error de API: 1 Tareas de agentes : 3.0 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#100#100	GPT-5.4 Minimedium	7.9	OpenAI	$1.102 ↑	29.94s
Ver ficha del modelo Pruebas totales 23 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.6% Pruebas inestables 5 Tokens de entrada 238,925 Tokens de salida 7,109 Tokens de razonamiento 177,063 Tiempo de respuesta (promedio) 29.94s Tiempo de respuesta (total) 688.57s Tiempo de respuesta (máximo) 138.75s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Tareas de agentes : 10.0 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

Tendencias globales del benchmark

Descubre cómo los modelos actuales equilibran puntuación, costo, velocidad, longitud de salida y rendimiento por categoría.

Gráficos →

Frontera de Pareto: inteligencia vs costo

Evolución de la mejor puntuación de las empresas líderes

Frontera de Pareto: inteligencia vs velocidad de respuesta

Frontera de Pareto: puntuación vs tokens de salida

Dificultad de las categorías entre modelos

Comparación rápida

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow