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: 2026-07-02 Modelos evaluados: 174

174/174

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#151#151	MiniMax M2.5medium	4.7	Minimax	$0.164 ↓	65.37s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 46.0% Pruebas inestables 9 Tokens de entrada 43,706 Tokens de salida 109,495 Tokens de razonamiento 330,814 Tiempo de respuesta (promedio) 65.37s Tiempo de respuesta (total) 849.76s Tiempo de respuesta (máximo) 251.36s Respuesta incorrecta: 7 Tiempo agotado: 4 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 7.9 Programación : 3.4 Combinado : 4.5 Análisis y extracción de datos : 4.6 Específico del dominio : 2.9 Inteligencia general : 3.8 Seguimiento de instrucciones : 7.5 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#152#152	Ling-2.6-1Tnone	4.7	Inclusionai	$0.005 ↕	7.72s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 18 Fiabilidad N/D Tasa de aciertos por intento 14.3% Pruebas inestables 0 Tokens de entrada 34,905 Tokens de salida 2,434 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.72s Tiempo de respuesta (total) 139.00s Tiempo de respuesta (máximo) 25.72s Respuesta incorrecta: 12 Error de API: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 3.8 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 : 3.0
#153#153	Qwen3 Coder Nextmedium	4.7	Qwen	$0.008 ↓	8.58s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 28.6% Pruebas inestables 3 Tokens de entrada 47,250 Tokens de salida 3,319 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.58s Tiempo de respuesta (total) 128.68s Tiempo de respuesta (máximo) 81.80s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Tiempo agotado: 1 Trucos anti-IA : 3.5 Programación : 3.7 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
#154#154	Grok 4.20 Betanone	4.7	X AI	$0.087 ↓	1.19s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 31.8% Pruebas inestables 1 Tokens de entrada 40,597 Tokens de salida 1,657 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.19s Tiempo de respuesta (total) 21.43s Tiempo de respuesta (máximo) 6.48s Respuesta incorrecta: 10 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.0 Programación : 1.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 0.0
#155#155	Laguna M.1none	4.6	Poolside	$0.009 ↕	2.89s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 9.8 Tasa de aciertos por intento 28.6% Pruebas inestables 3 Tokens de entrada 38,147 Tokens de salida 2,054 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.89s Tiempo de respuesta (total) 43.28s Tiempo de respuesta (máximo) 15.42s Respuesta incorrecta: 10 Error de API: 4 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.4 Programación : 2.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 3.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#156#156	Mercury 2none	4.6	Inception	$0.011	653ms
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 23.8% Pruebas inestables 2 Tokens de entrada 28,113 Tokens de salida 4,439 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 653ms Tiempo de respuesta (total) 13.72s Tiempo de respuesta (máximo) 1.43s Respuesta incorrecta: 16 No siguió las instrucciones: 1 Trucos anti-IA : 3.0 Programación : 3.4 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
#157#157	Elephant Alphanone	4.6	Openrouter	$0.000	1.22s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 16 Fiabilidad N/D Tasa de aciertos por intento 27.0% Pruebas inestables 1 Tokens de entrada 33,743 Tokens de salida 2,573 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.22s Tiempo de respuesta (total) 22.03s Tiempo de respuesta (máximo) 3.81s Respuesta incorrecta: 9 Error de API: 3 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.6 Programación : 4.2 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#158#158	Elephant Alphamedium	4.5	Openrouter	$0.000	1.27s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad N/D Tasa de aciertos por intento 30.2% Pruebas inestables 1 Tokens de entrada 33,744 Tokens de salida 2,596 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.27s Tiempo de respuesta (total) 22.82s Tiempo de respuesta (máximo) 3.70s Respuesta incorrecta: 9 Error de API: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.6 Programación : 3.7 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#159#159	Hunter Alphanone	4.5	OpenRouter	$0.000	4.70s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 39.7% Pruebas inestables 4 Tokens de entrada 34,329 Tokens de salida 2,264 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.70s Tiempo de respuesta (total) 79.86s Tiempo de respuesta (máximo) 15.17s Respuesta incorrecta: 9 No siguió las instrucciones: 2 Error de API: 1 Trucos anti-IA : 3.5 Programación : 9.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 5.8 Llamada de herramientas : 10.0 Cultura general : 0.0
#160#160	Grok 4.20none	4.4	X AI	$0.057 ↓	1.11s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 12 Fiabilidad N/D Tasa de aciertos por intento 28.6% Pruebas inestables 0 Tokens de entrada 41,313 Tokens de salida 1,923 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.11s Tiempo de respuesta (total) 19.96s Tiempo de respuesta (máximo) 6.04s Respuesta incorrecta: 10 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 1.1 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 0.0
#161#161	Laguna Xs.2medium	4.3	Poolside	$0.015 ↕	6.73s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 46.0% Pruebas inestables 6 Tokens de entrada 39,481 Tokens de salida 54,218 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.73s Tiempo de respuesta (total) 100.98s Tiempo de respuesta (máximo) 29.11s Respuesta incorrecta: 6 Error de API: 4 Sin respuesta: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 2.1 Combinado : 3.0 Análisis y extracción de datos : 7.1 Específico del dominio : 4.1 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 4.7 Cultura general : 3.0
#162#162	GLM 4.7 Flashmedium	4.3	Z.ai	$0.054	35.10s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 6.7 Tasa de aciertos por intento 33.3% Pruebas inestables 8 Tokens de entrada 37,206 Tokens de salida 43,754 Tokens de razonamiento 89,079 Tiempo de respuesta (promedio) 35.10s Tiempo de respuesta (total) 456.24s Tiempo de respuesta (máximo) 174.55s Respuesta incorrecta: 9 Sin respuesta: 3 No siguió las instrucciones: 2 Tiempo agotado: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.7 Programación : 3.2 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
#163#163	Hy3 previewnone	4.3	Tencent	$0.003 ↕	12.92s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 23.8% Pruebas inestables 2 Tokens de entrada 27,172 Tokens de salida 2,661 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 12.92s Tiempo de respuesta (total) 232.64s Tiempo de respuesta (máximo) 35.84s Respuesta incorrecta: 8 Error de API: 4 No siguió las instrucciones: 4 Formato extra: 1 Trucos anti-IA : 4.8 Programación : 2.7 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
#164#164	MiMo-V2-Flashnone	4.3	Xiaomi	$0.025 ↑	2.76s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 17 Fiabilidad 6.7 Tasa de aciertos por intento 25.4% Pruebas inestables 4 Tokens de entrada 36,851 Tokens de salida 68,882 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.76s Tiempo de respuesta (total) 46.99s Tiempo de respuesta (máximo) 19.68s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Error de API: 1 Formato extra: 1 Trucos anti-IA : 3.2 Programación : 4.3 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 : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#165#165	Grok Build 0.1none	4.2	X AI	$0.547	28.69s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 12 Fiabilidad 10.0 Tasa de aciertos por intento 46.0% Pruebas inestables 4 Tokens de entrada 11,793 Tokens de salida 267,275 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 28.69s Tiempo de respuesta (total) 459.00s Tiempo de respuesta (máximo) 138.35s Respuesta incorrecta: 7 Error de API: 3 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 3.3 Combinado : 3.0 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 6.4 Llamada de herramientas : 3.0 Cultura general : 3.0
#166#166	Grok 4.1 Fastnone	4.0	X AI	$0.008 ↓	1.62s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 20.6% Pruebas inestables 3 Tokens de entrada 36,608 Tokens de salida 1,723 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.62s Tiempo de respuesta (total) 19.48s Tiempo de respuesta (máximo) 5.51s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Trucos anti-IA : 3.2 Programación : 1.8 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
#167#167	Laguna Xs.2none	4.0	Poolside	$0.004 ↕	806ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 14 Fiabilidad 10.0 Tasa de aciertos por intento 23.8% Pruebas inestables 0 Tokens de entrada 33,675 Tokens de salida 2,826 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 806ms Tiempo de respuesta (total) 12.09s Tiempo de respuesta (máximo) 2.01s Respuesta incorrecta: 8 Error de API: 4 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.0 Programación : 8.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 3.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.3 Llamada de herramientas : 3.0 Cultura general : 3.0
#168#168	Granite 4.1 8Bnone	4.0	IBM Granite	$0.003	728ms
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 9.5% Pruebas inestables 0 Tokens de entrada 46,285 Tokens de salida 2,911 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 728ms Tiempo de respuesta (total) 15.29s Tiempo de respuesta (máximo) 2.17s Respuesta incorrecta: 13 No siguió las instrucciones: 4 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.9 Programación : 4.5 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
#169#169	gpt-oss-120bnone	4.0	OpenAI	$0.009 ↓	21.61s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 34.9% Pruebas inestables 2 Tokens de entrada 9,081 Tokens de salida 51,664 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 21.61s Tiempo de respuesta (total) 345.79s Tiempo de respuesta (máximo) 113.71s Respuesta incorrecta: 8 Error de API: 3 No siguió las instrucciones: 2 Trucos anti-IA : 6.5 Programación : 1.5 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 : 6.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#170#170	Qwen3.5-9Bmedium	3.8	Qwen	$0.036 ↑	82.24s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 18 Fiabilidad 6.7 Tasa de aciertos por intento 27.0% Pruebas inestables 5 Tokens de entrada 17,070 Tokens de salida 29,045 Tokens de razonamiento 209,516 Tiempo de respuesta (promedio) 82.24s Tiempo de respuesta (total) 1315.88s Tiempo de respuesta (máximo) 226.38s Tiempo agotado: 11 Sin respuesta: 2 Respuesta incorrecta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 5.1 Programación : 2.9 Combinado : 3.0 Análisis y extracción de datos : 3.6 Específico del dominio : 3.6 Inteligencia general : 2.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#171#171	Nemotron 3 Nano Omni 30b A3b Reasoningmedium	3.6	NVIDIA	$0.000	17.13s
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 28.6% Pruebas inestables 5 Tokens de entrada 11,661 Tokens de salida 48,491 Tokens de razonamiento 180,695 Tiempo de respuesta (promedio) 17.13s Tiempo de respuesta (total) 222.66s Tiempo de respuesta (máximo) 147.45s Respuesta incorrecta: 7 Error de API: 6 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.4 Programación : 1.1 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 3.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 2.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#172#172	Nemotron 3 Nano Omni 30b A3b Reasoningnone	3.5	NVIDIA	$0.000	728ms
Ver ficha del modelo Pruebas totales 19 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 15.9% Pruebas inestables 2 Tokens de entrada 11,661 Tokens de salida 1,302 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 728ms Tiempo de respuesta (total) 9.47s Tiempo de respuesta (máximo) 2.21s Respuesta incorrecta: 9 Error de API: 6 No siguió las instrucciones: 2 Trucos anti-IA : 4.8 Programación : 3.3 Combinado : 3.0 Análisis y extracción de datos : 3.8 Específico del dominio : 3.6 Inteligencia general : 3.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#173#173	Step 3.5 Flashnone	2.6	Stepfun	$0.020	39.03s
Ver ficha del modelo Pruebas totales 12 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 28.6% Pruebas inestables 0 Tokens de entrada 1,971 Tokens de salida 64,795 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 39.03s Tiempo de respuesta (total) 312.26s Tiempo de respuesta (máximo) 114.12s Error de API: 4 No siguió las instrucciones: 1 Respuesta incorrecta: 1 Trucos anti-IA : 10.0 Programación : 9.8 Combinado : 3.0 Análisis y extracción de datos : 1.5 Específico del dominio : 3.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 5.0 Resolución de acertijos : 0.0 Llamada de herramientas : 3.0 Cultura general : 3.0
#174#174	LFM2-24B-A2Bnone	2.4	Liquid	$0.001	782ms
Ver ficha del modelo Pruebas totales 16 Pruebas incorrectas 14 Fiabilidad N/D Tasa de aciertos por intento 12.7% Pruebas inestables 1 Tokens de entrada 10,771 Tokens de salida 1,173 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 782ms Tiempo de respuesta (total) 10.94s Tiempo de respuesta (máximo) 3.15s Respuesta incorrecta: 9 Error de API: 4 No siguió las instrucciones: 1 Trucos anti-IA : 2.5 Programación : 0.0 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 : 3.8 Llamada de herramientas : 3.0 Cultura general : 0.0

←

1 2 3 4 5 6

Comparación rápida

Gemini 3.5 FlashhighvsGemini 3 Flash Previewmedium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.5low Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashhighvsClaude Fable 5medium Gemini 3.5 FlashhighvsGemini 3.1 Pro Previewmedium Gemini 3.5 FlashhighvsNemotron 3 Ultra 550b A55bmediumDisponible gratis Gemini 3.5 FlashhighvsNorth Mini CodemediumDisponible gratis Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGPT-5.5low GPT-5.5lowvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsClaude Fable 5medium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida