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)
#91#91	Qwen3.7 Maxnone	7.4	Qwen	$0.197 ↓	4.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 9.9 Tasa de aciertos por intento 68.2% Pruebas inestables 0 Tokens de entrada 95,992 Tokens de salida 12,446 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.56s Tiempo de respuesta (total) 100.30s Tiempo de respuesta (máximo) 72.30s Respuesta incorrecta: 7 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 6.5 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
#92#92	Kimi K2.7 Codemedium	7.4	Moonshot AI	$0.709 ↓	80.09s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 72,085 Tokens de salida 57,453 Tokens de razonamiento 182,093 Tiempo de respuesta (promedio) 80.09s Tiempo de respuesta (total) 1681.85s Tiempo de respuesta (máximo) 365.80s Respuesta incorrecta: 6 Tiempo agotado: 3 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 7.3 Programación : 7.8 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 5.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#93#93	GPT-5.6 Lunamedium	7.4	OpenAI	$0.036 ↓	7.43s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 2 Tokens de entrada 89,685 Tokens de salida 5,701 Tokens de razonamiento 38,824 Tiempo de respuesta (promedio) 7.43s Tiempo de respuesta (total) 163.54s Tiempo de respuesta (máximo) 29.85s Respuesta incorrecta: 9 Trucos anti-IA : 8.3 Programación : 5.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.8 Llamada de herramientas : 10.0 Cultura general : 3.0
#94#94	LongCat 2.0medium	7.4	Meituan	$0.499	143.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 2 Tokens de entrada 97,324 Tokens de salida 44,383 Tokens de razonamiento 346,490 Tiempo de respuesta (promedio) 143.55s Tiempo de respuesta (total) 3158.11s Tiempo de respuesta (máximo) 939.52s Respuesta incorrecta: 7 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 7.3 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#95#95	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 9.4 Tasa de aciertos por intento 74.2% Pruebas inestables 4 Tokens de entrada 108,931 Tokens de salida 112,801 Tokens de razonamiento 343,227 Tiempo de respuesta (promedio) 120.59s Tiempo de respuesta (total) 2653.05s Tiempo de respuesta (máximo) 532.28s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#96#96	Grok 4.6low	7.4	X AI	$0.449	14.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 1 Tokens de entrada 109,960 Tokens de salida 5,124 Tokens de razonamiento 32,924 Tiempo de respuesta (promedio) 14.55s Tiempo de respuesta (total) 320.17s Tiempo de respuesta (máximo) 26.46s Respuesta incorrecta: 7 Trucos anti-IA : 10.0 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#97#97	Gemini 3 Flash Previewlow	7.4	Google	$0.185	6.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 75.8% Pruebas inestables 2 Tokens de entrada 123,687 Tokens de salida 9,572 Tokens de razonamiento 31,204 Tiempo de respuesta (promedio) 6.51s Tiempo de respuesta (total) 143.12s Tiempo de respuesta (máximo) 17.13s Respuesta incorrecta: 6 Trucos anti-IA : 10.0 Programación : 5.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 10.0
#98#98	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	7.67s
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 123,273 Tokens de salida 19,362 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.67s Tiempo de respuesta (total) 122.78s Tiempo de respuesta (máximo) 51.18s Respuesta incorrecta: 5 Formato extra: 4 No siguió las instrucciones: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 6.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#99#99	KAT-Coder-Pro V2.5low	7.3	Kwaipilot	$0.400	20.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 8 Tokens de entrada 87,682 Tokens de salida 7,166 Tokens de razonamiento 106,027 Tiempo de respuesta (promedio) 20.20s Tiempo de respuesta (total) 444.35s Tiempo de respuesta (máximo) 209.15s Respuesta incorrecta: 10 Error de API: 1 Trucos anti-IA : 6.9 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#100#100	Gemini 3.1 Flash Litemedium	7.3	Google	$0.120	4.38s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 2 Tokens de entrada 104,925 Tokens de salida 9,168 Tokens de razonamiento 53,188 Tiempo de respuesta (promedio) 4.38s Tiempo de respuesta (total) 96.32s Tiempo de respuesta (máximo) 26.22s Respuesta incorrecta: 7 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 : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#101#101	Qwen3.7 Plusnone	7.3	Qwen	$0.106 ↓	12.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 54.6% Pruebas inestables 0 Tokens de entrada 98,833 Tokens de salida 58,097 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.11s Tiempo de respuesta (total) 266.40s Tiempo de respuesta (máximo) 206.03s Respuesta incorrecta: 9 No siguió las instrucciones: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.3 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#102#102	DeepSeek V4 Flash 0731medium	7.3	DeepSeek	$0.106	84.66s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 8 Tokens de entrada 89,819 Tokens de salida 58,398 Tokens de razonamiento 492,457 Tiempo de respuesta (promedio) 84.66s Tiempo de respuesta (total) 1862.46s Tiempo de respuesta (máximo) 288.78s Respuesta incorrecta: 5 Sin respuesta: 3 Formato extra: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 8.2 Programación : 6.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#103#103	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.92s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 149,203 Tokens de salida 16,797 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.92s Tiempo de respuesta (total) 108.24s Tiempo de respuesta (máximo) 35.03s Respuesta incorrecta: 4 Formato extra: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 9.8 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#104#104	Kimi K2.6medium	7.2	Moonshot AI	$0.711 ↓	115.89s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 4 Tokens de entrada 68,913 Tokens de salida 64,654 Tokens de razonamiento 282,865 Tiempo de respuesta (promedio) 115.89s Tiempo de respuesta (total) 2433.66s Tiempo de respuesta (máximo) 876.20s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 7.0 Programación : 5.7 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#105#105	KAT-Coder-Pro V2.5high	7.2	Kwaipilot	$0.506	22.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 6 Tokens de entrada 106,085 Tokens de salida 9,071 Tokens de razonamiento 135,288 Tiempo de respuesta (promedio) 22.11s Tiempo de respuesta (total) 486.31s Tiempo de respuesta (máximo) 199.97s Respuesta incorrecta: 10 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.0 Programación : 6.4 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#106#106	Muse Glimmer 30Bhigh	7.2	Meta	$0.535	66.70s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 8 Tokens de entrada 103,494 Tokens de salida 100,589 Tokens de razonamiento 270,217 Tiempo de respuesta (promedio) 66.70s Tiempo de respuesta (total) 1467.39s Tiempo de respuesta (máximo) 451.90s Respuesta incorrecta: 7 No siguió las instrucciones: 3 Sin respuesta: 2 Trucos anti-IA : 8.7 Programación : 8.8 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 5.3 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 6.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#107#107	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.323 ↓	46.97s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 42,106 Tokens de salida 2,280 Tokens de razonamiento 169,843 Tiempo de respuesta (promedio) 46.97s Tiempo de respuesta (total) 986.35s Tiempo de respuesta (máximo) 189.38s Respuesta incorrecta: 8 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.9 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#108#108	Qwen3.7 Flashlow	7.2	Qwen	$0.043	38.05s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 6 Tokens de entrada 92,191 Tokens de salida 14,286 Tokens de razonamiento 289,733 Tiempo de respuesta (promedio) 38.05s Tiempo de respuesta (total) 837.05s Tiempo de respuesta (máximo) 394.54s Respuesta incorrecta: 7 No siguió las instrucciones: 3 Error de API: 1 Trucos anti-IA : 10.0 Programación : 6.7 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.0 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#109#109	Muse Glimmer 30Bmedium	7.2	Meta	$0.280	30.64s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 6 Tokens de entrada 116,513 Tokens de salida 33,065 Tokens de razonamiento 135,009 Tiempo de respuesta (promedio) 30.64s Tiempo de respuesta (total) 674.01s Tiempo de respuesta (máximo) 181.08s Respuesta incorrecta: 9 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 9.2 Programación : 8.4 Combinado : 6.5 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#110#110	Qwen3.5-122B-A10Bmedium	7.1	Qwen	$1.207 ↑	65.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 4 Tokens de entrada 124,780 Tokens de salida 47,694 Tokens de razonamiento 439,825 Tiempo de respuesta (promedio) 65.67s Tiempo de respuesta (total) 1444.68s Tiempo de respuesta (máximo) 519.30s Respuesta incorrecta: 5 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#111#111	Muse Glimmer 30Blow	7.1	Meta	$0.187	18.64s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 130,312 Tokens de salida 33,867 Tokens de razonamiento 62,103 Tiempo de respuesta (promedio) 18.64s Tiempo de respuesta (total) 410.18s Tiempo de respuesta (máximo) 234.92s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.1 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.0 Seguimiento de instrucciones : 8.4 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#112#112	Step 3.7 Flashlow	7.1	Stepfun	$0.390	17.87s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 5 Tokens de entrada 103,842 Tokens de salida 320,393 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 17.87s Tiempo de respuesta (total) 393.04s Tiempo de respuesta (máximo) 124.75s Respuesta incorrecta: 9 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 7.3 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#113#113	Solar Pro 4high	7.1	Upstage	$0.046	120.58s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 5 Tokens de entrada 79,740 Tokens de salida 23,357 Tokens de razonamiento 339,837 Tiempo de respuesta (promedio) 120.58s Tiempo de respuesta (total) 2652.77s Tiempo de respuesta (máximo) 491.07s Respuesta incorrecta: 5 No siguió las instrucciones: 3 Error de API: 1 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 5.7 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.5 Seguimiento de instrucciones : 7.9 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#114#114	Grok 4.3medium	7.0	X AI	$0.741	44.21s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 140,244 Tokens de salida 13,739 Tokens de razonamiento 212,165 Tiempo de respuesta (promedio) 44.21s Tiempo de respuesta (total) 972.64s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#115#115	GPT-5.6 Solnone	7.0	OpenAI	$0.524	2.17s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 3 Tokens de entrada 78,602 Tokens de salida 4,357 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.17s Tiempo de respuesta (total) 47.66s Tiempo de respuesta (máximo) 12.81s Respuesta incorrecta: 9 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 6.5 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#116#116	DeepSeek V3.2medium	7.0	DeepSeek	$0.078 ↑	68.43s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 7 Tokens de entrada 101,056 Tokens de salida 11,832 Tokens de razonamiento 116,955 Tiempo de respuesta (promedio) 68.43s Tiempo de respuesta (total) 1505.53s Tiempo de respuesta (máximo) 376.10s Respuesta incorrecta: 5 Error de API: 2 Tiempo agotado: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.0 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#117#117	GLM 5.1medium	7.0	Z.ai	$0.727 ↓	58.80s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 8.1 Tasa de aciertos por intento 65.2% Pruebas inestables 4 Tokens de entrada 82,592 Tokens de salida 16,089 Tokens de razonamiento 199,800 Tiempo de respuesta (promedio) 58.80s Tiempo de respuesta (total) 1234.72s Tiempo de respuesta (máximo) 308.75s Respuesta incorrecta: 4 Sin respuesta: 2 Tiempo agotado: 2 Error de API: 1 Formato extra: 1 Trucos anti-IA : 10.0 Programación : 4.6 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 8.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#118#118	GPT-5.5none	7.0	OpenAI	$0.544	2.35s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 2 Tokens de entrada 79,294 Tokens de salida 4,915 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.35s Tiempo de respuesta (total) 51.78s Tiempo de respuesta (máximo) 12.24s Respuesta incorrecta: 10 Trucos anti-IA : 6.9 Programación : 5.5 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#119#119	Mercury 2medium	7.0	Inception	$0.094	2.95s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 53.0% Pruebas inestables 4 Tokens de entrada 110,515 Tokens de salida 10,325 Tokens de razonamiento 77,229 Tiempo de respuesta (promedio) 2.95s Tiempo de respuesta (total) 61.89s Tiempo de respuesta (máximo) 14.63s Respuesta incorrecta: 8 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 8.2 Combinado : 6.7 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#120#120	Grok 4.20medium	7.0	X AI	$0.805 ↓	32.56s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 60.6% Pruebas inestables 5 Tokens de entrada 102,986 Tokens de salida 5,860 Tokens de razonamiento 264,399 Tiempo de respuesta (promedio) 32.56s Tiempo de respuesta (total) 716.36s Tiempo de respuesta (máximo) 199.66s Respuesta incorrecta: 6 Formato extra: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.3 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.9 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 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