AI BENCHY

Leaderboard de Benchmark de IA

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: 2026-05-10 Modelos evaluados: 144

144/144

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#121#121	gpt-oss-120bnone	5.2	OpenAI	$0.011	21.86s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 36.8% Pruebas inestables 3 Tokens de salida 51,505 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 21.86s Tiempo de respuesta (total) 349.78s Tiempo de respuesta (máximo) 113.71s Respuesta incorrecta: 8 Error de API: 3 No siguió las instrucciones: 3 Trucos anti-IA : 6.5 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#122#122	DeepSeek V4 Flashnone	5.2	DeepSeek	$0.008	28.01s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 31.6% Pruebas inestables 2 Tokens de salida 4,464 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 28.01s Tiempo de respuesta (total) 532.17s Tiempo de respuesta (máximo) 111.96s Respuesta incorrecta: 10 Formato extra: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.0 Programación : 6.3 Combinado : 4.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#123#123	Qwen3 Coder Nextnone	5.2	Qwen	$0.008	9.44s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 29.8% Pruebas inestables 1 Tokens de salida 3,629 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.44s Tiempo de respuesta (total) 122.73s Tiempo de respuesta (máximo) 45.14s Respuesta incorrecta: 12 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.6 Programación : 7.3 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#124#124	Nemotron 3 Supernone	5.2	NVIDIA	$0.002	5.80s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 35.1% Pruebas inestables 3 Tokens de salida 6,145 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.80s Tiempo de respuesta (total) 110.20s Tiempo de respuesta (máximo) 16.45s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 3.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#125#125	MiniMax M2.7medium	5.1	Minimax	$0.095	30.62s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 49.1% Pruebas inestables 10 Tokens de salida 8,052 Tokens de razonamiento 66,239 Tiempo de respuesta (promedio) 30.62s Tiempo de respuesta (total) 551.14s Tiempo de respuesta (máximo) 117.04s Respuesta incorrecta: 7 No siguió las instrucciones: 5 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 10.0 Combinado : 4.7 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 3.8 Resolución de acertijos : 3.5 Llamada de herramientas : 4.7 Cultura general : 3.0
#126#126	Mistral Small 4none	5.1	Mistral	$0.006	651ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 29.8% Pruebas inestables 1 Tokens de salida 2,224 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 651ms Tiempo de respuesta (total) 12.37s Tiempo de respuesta (máximo) 1.72s Respuesta incorrecta: 13 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 4.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#127#127	GPT-5.4 Mininone	5.0	OpenAI	$0.032	1.18s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 3 Tokens de salida 2,461 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.18s Tiempo de respuesta (total) 22.34s Tiempo de respuesta (máximo) 2.52s Respuesta incorrecta: 11 No siguió las instrucciones: 3 Trucos anti-IA : 3.1 Programación : 10.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#128#128	Qwen3.6 35B A3Bnone	5.0	Qwen	$0.019	2.73s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 37.3% Pruebas inestables 5 Tokens de salida 17,515 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.73s Tiempo de respuesta (total) 46.41s Tiempo de respuesta (máximo) 12.46s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Trucos anti-IA : 3.6 Programación : 10.0 Combinado : 0.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 3.2 Llamada de herramientas : 0.0 Cultura general : 3.0
#129#129	GPT-4o-mininone	4.9	OpenAI	$0.005	1.90s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 26.3% Pruebas inestables 0 Tokens de salida 1,962 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.90s Tiempo de respuesta (total) 22.79s Tiempo de respuesta (máximo) 7.58s Respuesta incorrecta: 13 No siguió las instrucciones: 1 Trucos anti-IA : 4.8 Programación : 3.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#130#130	MiMo-V2.5none	4.9	Xiaomi	$0.019	2.02s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 28.1% Pruebas inestables 2 Tokens de salida 2,231 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.02s Tiempo de respuesta (total) 38.45s Tiempo de respuesta (máximo) 6.86s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Formato extra: 1 Trucos anti-IA : 3.5 Programación : 10.0 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 4.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#131#131	Qwen3 Coder Nextmedium	4.8	Qwen	$0.008	9.95s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 31.6% Pruebas inestables 3 Tokens de salida 3,253 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.95s Tiempo de respuesta (total) 129.40s Tiempo de respuesta (máximo) 81.80s Respuesta incorrecta: 11 No siguió las instrucciones: 3 Tiempo agotado: 1 Trucos anti-IA : 3.5 Programación : 4.7 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 6.3 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#132#132	Trinity Large Previewnone	4.8	Arcee AI	$0.001	3.03s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 26.3% Pruebas inestables 3 Tokens de salida 2,190 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.03s Tiempo de respuesta (total) 57.60s Tiempo de respuesta (máximo) 14.34s Respuesta incorrecta: 12 No siguió las instrucciones: 3 Trucos anti-IA : 3.1 Programación : 4.9 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.5 Seguimiento de instrucciones : 3.4 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#133#133	Mercury 2none	4.7	Inception	$0.007	610ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 26.3% Pruebas inestables 2 Tokens de salida 1,644 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 610ms Tiempo de respuesta (total) 11.59s Tiempo de respuesta (máximo) 1.27s Respuesta incorrecta: 14 No siguió las instrucciones: 1 Trucos anti-IA : 3.0 Programación : 3.6 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#134#134	Qwen3.5-9Bnone	4.7	Qwen	$0.005	1.51s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 22.8% Pruebas inestables 1 Tokens de salida 3,957 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.51s Tiempo de respuesta (total) 28.75s Tiempo de respuesta (máximo) 5.91s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.1 Programación : 5.2 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#135#135	Hy3 previewnone	4.6	Tencent	$0.000	12.96s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 26.3% Pruebas inestables 2 Tokens de salida 2,654 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.96s Tiempo de respuesta (total) 233.26s Tiempo de respuesta (máximo) 35.84s Respuesta incorrecta: 8 No siguió las instrucciones: 4 Error de API: 2 Formato extra: 1 Trucos anti-IA : 4.8 Programación : 2.3 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.6 Inteligencia general : 4.1 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#136#136	Nemotron 3 Nano Omni 30b A3b Reasoningnone	4.6	NVIDIA	$0.000	726ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 25.6% Pruebas inestables 2 Tokens de salida 1,267 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 726ms Tiempo de respuesta (total) 9.44s Tiempo de respuesta (máximo) 2.21s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Trucos anti-IA : 5.3 Programación : 10.0 Combinado : 0.0 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 0.0 Seguimiento de instrucciones : 4.3 Resolución de acertijos : 3.0 Llamada de herramientas : 0.0 Cultura general : 0.0
#137#137	GPT-5.4 Nanonone	4.5	OpenAI	$0.010	1.36s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 31.6% Pruebas inestables 6 Tokens de salida 2,783 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.36s Tiempo de respuesta (total) 25.91s Tiempo de respuesta (máximo) 3.84s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Trucos anti-IA : 3.5 Programación : 7.1 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#138#138	GLM 4.7 Flashmedium	4.5	Z.ai	$0.046	30.57s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 36.8% Pruebas inestables 8 Tokens de salida 39,759 Tokens de razonamiento 73,598 Tiempo de respuesta (promedio) 30.57s Tiempo de respuesta (total) 366.78s Tiempo de respuesta (máximo) 174.55s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Sin respuesta: 2 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 4.7 Programación : 3.6 Combinado : 2.8 Análisis y extracción de datos : 6.3 Específico del dominio : 3.5 Inteligencia general : 3.6 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#139#139	MiMo-V2-Flashnone	4.5	Xiaomi	$0.023	2.73s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 26.3% Pruebas inestables 5 Tokens de salida 68,534 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.73s Tiempo de respuesta (total) 40.90s Tiempo de respuesta (máximo) 19.68s Respuesta incorrecta: 13 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.2 Programación : 6.3 Combinado : 3.0 Análisis y extracción de datos : 2.9 Específico del dominio : 5.3 Inteligencia general : 4.6 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#140#140	Ling-2.6-1Tnone	4.5	Inclusionai	$0.000	8.79s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad N/D Tasa de aciertos por intento 16.7% Pruebas inestables 0 Tokens de salida 2,434 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.79s Tiempo de respuesta (total) 158.19s Tiempo de respuesta (máximo) 25.72s Respuesta incorrecta: 12 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 3.1 Llamada de herramientas : 3.0 Cultura general : 0.0
#141#141	Grok 4.1 Fastnone	4.4	X AI	$0.009	1.67s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 22.8% Pruebas inestables 3 Tokens de salida 1,733 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.67s Tiempo de respuesta (total) 20.08s Tiempo de respuesta (máximo) 5.51s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Trucos anti-IA : 3.2 Programación : 5.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 3.0 Resolución de acertijos : 3.0 Llamada de herramientas : 2.8 Cultura general : 3.0
#142#142	Qwen3.5-9Bmedium	4.3	Qwen	$0.035	80.10s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 16 Fiabilidad 3.3 Tasa de aciertos por intento 33.3% Pruebas inestables 7 Tokens de salida 27,365 Tokens de razonamiento 202,291 Tiempo de respuesta (promedio) 80.10s Tiempo de respuesta (total) 1281.62s Tiempo de respuesta (máximo) 226.38s Tiempo agotado: 10 Respuesta incorrecta: 3 Formato extra: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 5.1 Programación : 2.6 Combinado : 3.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 2.8 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#143#143	LFM2-24B-A2Bnone	4.2	Liquid	$0.001	811ms
Ver ficha del modelo Pruebas totales 16 Pruebas incorrectas 14 Fiabilidad N/D Tasa de aciertos por intento 18.8% Pruebas inestables 2 Tokens de salida 1,185 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 811ms Tiempo de respuesta (total) 11.35s Tiempo de respuesta (máximo) 2.88s Respuesta incorrecta: 8 Error de API: 4 No siguió las instrucciones: 2 Trucos anti-IA : 3.3 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 5.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.7 Llamada de herramientas : 3.0
#144#144	Granite 4.1 8Bnone	4.1	IBM Granite	$0.003	743ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 10.5% Pruebas inestables 0 Tokens de salida 2,724 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 743ms Tiempo de respuesta (total) 14.11s Tiempo de respuesta (máximo) 2.17s Respuesta incorrecta: 12 No siguió las instrucciones: 4 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.9 Programación : 6.9 Combinado : 3.0 Análisis y extracción de datos : 3.0 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 3.6 Resolución de acertijos : 3.2 Llamada de herramientas : 10.0 Cultura general : 3.0

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsGPT-5.5medium Gemini 3 Flash PreviewmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewmediumvsQwen3.6 Max Previewmedium Gemini 3 Flash PreviewmediumvsRing 2.6 1tmediumDisponible gratis Gemini 3.1 Pro PreviewmediumvsClaude Opus 4.7medium Claude Opus 4.7mediumvsGPT-5.5medium GPT-5.5mediumvsGPT-5.5low GPT-5.5lowvsGemini 3 Flash Previewlow Gemini 3 Flash PreviewlowvsQwen3.6 Max Previewmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida