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)
#211#211	Nemotron 3.5 Lightninghigh	5.6	NVIDIA	$0.168 ↕	58.26s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 9.9 Tasa de aciertos por intento 50.0% Pruebas inestables 12 Tokens de entrada 118,016 Tokens de salida 148,344 Tokens de razonamiento 506,253 Tiempo de respuesta (promedio) 58.26s Tiempo de respuesta (total) 1281.79s Tiempo de respuesta (máximo) 285.26s Respuesta incorrecta: 11 No siguió las instrucciones: 4 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 5.5 Programación : 4.4 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 2.9 Inteligencia general : 3.7 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 3.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#212#212	Qwen3.6 27Bnone	5.5	Qwen	$0.116 ↑	10.62s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 6 Tokens de entrada 95,805 Tokens de salida 16,156 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 10.62s Tiempo de respuesta (total) 233.68s Tiempo de respuesta (máximo) 156.31s Respuesta incorrecta: 11 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.8 Programación : 5.5 Combinado : 3.2 Análisis y extracción de datos : 7.3 Específico del dominio : 7.7 Inteligencia general : 5.2 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 5.3 Llamada de herramientas : 9.5 Cultura general : 3.0
#213#213	Hy3 previewlow	5.5	Tencent	$0.042 ↕	24.56s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 11 Fiabilidad 10.0 Tasa de aciertos por intento 50.0% Pruebas inestables 2 Tokens de entrada 21,045 Tokens de salida 63,460 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 24.56s Tiempo de respuesta (total) 368.35s Tiempo de respuesta (máximo) 78.74s Error de API: 7 Respuesta incorrecta: 4 Trucos anti-IA : 8.3 Programación : 5.3 Combinado : 5.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 3.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 5.3 Llamada de herramientas : 2.8 Cultura general : 3.0
#214#214	Qwen3.8 27Bnone	5.5	Qwen	~$0.006	3.12s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 40.9% Pruebas inestables 0 Tokens de entrada 122,463 Tokens de salida 11,445 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.12s Tiempo de respuesta (total) 68.69s Tiempo de respuesta (máximo) 44.76s Respuesta incorrecta: 11 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 7.7 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#215#215	Mimo V2 Omninone	5.5	Xiaomi	$0.021 ↓	2.44s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 13 Fiabilidad 10.0 Tasa de aciertos por intento 37.9% Pruebas inestables 1 Tokens de entrada 40,852 Tokens de salida 3,314 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.44s Tiempo de respuesta (total) 48.81s Tiempo de respuesta (máximo) 6.81s Respuesta incorrecta: 10 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.6 Programación : 4.4 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#216#216	DeepSeek V4 Flash 0423none	5.4	DeepSeek	$0.030 ↓	36.17s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 4 Tokens de entrada 240,230 Tokens de salida 100,726 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 36.17s Tiempo de respuesta (total) 795.83s Tiempo de respuesta (máximo) 247.27s Respuesta incorrecta: 13 Formato extra: 2 Llamada de herramienta no válida: 2 No siguió las instrucciones: 1 Trucos anti-IA : 3.0 Programación : 4.2 Combinado : 4.6 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#217#217	Laguna S 2.1medium	5.4	Poolside	$0.053 ↓	58.42s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 24.2% Pruebas inestables 3 Tokens de entrada 86,647 Tokens de salida 97,298 Tokens de razonamiento 242,297 Tiempo de respuesta (promedio) 58.42s Tiempo de respuesta (total) 1285.26s Tiempo de respuesta (máximo) 560.31s Respuesta incorrecta: 13 Llamada de herramienta no válida: 2 Sin respuesta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 5.3 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.2 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#218#218	KAT-Coder-Air V2.5low	5.4	Kwaipilot	$0.046	10.63s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 15 Fiabilidad 9.9 Tasa de aciertos por intento 43.9% Pruebas inestables 6 Tokens de entrada 61,094 Tokens de salida 6,532 Tokens de razonamiento 53,882 Tiempo de respuesta (promedio) 10.63s Tiempo de respuesta (total) 233.77s Tiempo de respuesta (máximo) 86.23s Respuesta incorrecta: 7 Formato extra: 4 Error de API: 2 No siguió las instrucciones: 2 Trucos anti-IA : 7.3 Programación : 3.5 Combinado : 6.4 Análisis y extracción de datos : 6.5 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 3.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#219#219	GPT-5.6 Lunanone	5.4	OpenAI	$0.015 ↓	1.50s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 36.4% Pruebas inestables 3 Tokens de entrada 101,332 Tokens de salida 6,709 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.50s Tiempo de respuesta (total) 33.05s Tiempo de respuesta (máximo) 10.57s Respuesta incorrecta: 14 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 3.8 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 7.1 Resolución de acertijos : 5.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#220#220	MiMo-V2.5-Pronone	5.4	Xiaomi	$0.068 ↓	4.24s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 33.3% Pruebas inestables 4 Tokens de entrada 124,808 Tokens de salida 15,362 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.24s Tiempo de respuesta (total) 93.28s Tiempo de respuesta (máximo) 53.13s Respuesta incorrecta: 12 No siguió las instrucciones: 4 Sin respuesta: 1 Trucos anti-IA : 3.3 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#221#221	Kimi K2.5none	5.4	Moonshot AI	$0.127 ↑	18.03s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 4 Tokens de entrada 89,320 Tokens de salida 26,643 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 18.03s Tiempo de respuesta (total) 288.42s Tiempo de respuesta (máximo) 102.83s Respuesta incorrecta: 16 Sin respuesta: 1 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 2.8 Análisis y extracción de datos : 7.3 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#222#222	DeepSeek V4 Flash 0731none	5.4	DeepSeek	$0.021	20.72s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 4 Tokens de entrada 94,566 Tokens de salida 25,426 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.72s Tiempo de respuesta (total) 455.81s Tiempo de respuesta (máximo) 387.15s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Formato extra: 1 Trucos anti-IA : 3.4 Programación : 4.3 Combinado : 3.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 5.0 Resolución de acertijos : 3.2 Llamada de herramientas : 9.5 Cultura general : 3.0
#223#223	Laguna S 2.1high	5.4	Poolside	$0.114 ↓	111.60s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 5 Tokens de entrada 208,937 Tokens de salida 175,588 Tokens de razonamiento 409,276 Tiempo de respuesta (promedio) 111.60s Tiempo de respuesta (total) 2455.24s Tiempo de respuesta (máximo) 1190.11s Respuesta incorrecta: 11 Llamada de herramienta no válida: 2 Sin respuesta: 2 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 5.3 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 4.6 Seguimiento de instrucciones : 4.6 Resolución de acertijos : 2.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#224#224	Inkling Smallnone	5.3	Thinkingmachines	$0.054 ↓	1.51s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 24.2% Pruebas inestables 1 Tokens de entrada 94,733 Tokens de salida 8,770 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.51s Tiempo de respuesta (total) 33.21s Tiempo de respuesta (máximo) 12.35s Respuesta incorrecta: 15 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.1 Programación : 3.6 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 3.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#225#225	Laguna XS 2.1none	5.3	Poolside	$0.008	1.55s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 3 Tokens de entrada 91,607 Tokens de salida 13,377 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.55s Tiempo de respuesta (total) 34.01s Tiempo de respuesta (máximo) 19.02s Respuesta incorrecta: 14 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 5.3 Programación : 4.3 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 3.8 Resolución de acertijos : 3.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#226#226	Seed-2.0-Codenone	5.3	Bytedance Seed	$0.151	14.67s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 8.6 Tasa de aciertos por intento 36.4% Pruebas inestables 5 Tokens de entrada 159,749 Tokens de salida 23,433 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 14.67s Tiempo de respuesta (total) 322.71s Tiempo de respuesta (máximo) 132.84s Respuesta incorrecta: 11 Formato extra: 2 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 3.0 Programación : 3.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#227#227	Ling-2.6-1Tnone	5.3	Inclusionai	$0.016 ↑	8.59s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 18.2% Pruebas inestables 0 Tokens de entrada 106,423 Tokens de salida 11,555 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.59s Tiempo de respuesta (total) 163.20s 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 : 6.5 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
#228#228	Gemini 3.1 Flash Lite Previewhigh	5.3	Google	$2.310	68.14s
Ver ficha del modelo Pruebas totales 16 Pruebas incorrectas 3 Fiabilidad N/D Tasa de aciertos por intento 59.1% Pruebas inestables 0 Tokens de entrada 28,980 Tokens de salida 1,283 Tokens de razonamiento 1,533,310 Tiempo de respuesta (promedio) 68.14s Tiempo de respuesta (total) 1090.28s Tiempo de respuesta (máximo) 280.52s Respuesta incorrecta: 2 No siguió las instrucciones: 1 Trucos anti-IA : 7.5 Programación : 0.0 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 0.0
#229#229	Qwen3.6 35B A3Bnone	5.3	Qwen	$0.061 ↑	5.57s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 28.8% Pruebas inestables 5 Tokens de entrada 93,990 Tokens de salida 45,905 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 5.57s Tiempo de respuesta (total) 111.32s Tiempo de respuesta (máximo) 39.54s Respuesta incorrecta: 13 Error de API: 2 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 3.6 Programación : 5.5 Combinado : 3.8 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.2 Resolución de acertijos : 3.2 Llamada de herramientas : 3.0 Cultura general : 3.0
#230#230	Dots 3 Note Previewnone	5.2	Dots Studio	$0.000	3.53s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 19 Fiabilidad 10.0 Tasa de aciertos por intento 16.7% Pruebas inestables 1 Tokens de entrada 116,155 Tokens de salida 19,679 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.53s Tiempo de respuesta (total) 77.68s Tiempo de respuesta (máximo) 24.48s Respuesta incorrecta: 15 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 3.1 Programación : 4.6 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 5.0 Seguimiento de instrucciones : 4.8 Resolución de acertijos : 3.3 Llamada de herramientas : 10.0 Cultura general : 3.0
#231#231	Inklingnone	5.2	Thinkingmachines	$0.142 ↓	3.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 16 Fiabilidad 10.0 Tasa de aciertos por intento 28.8% Pruebas inestables 1 Tokens de entrada 104,120 Tokens de salida 10,554 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 3.47s Tiempo de respuesta (total) 76.28s Tiempo de respuesta (máximo) 48.02s Respuesta incorrecta: 13 Formato extra: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 4.8 Programación : 4.5 Combinado : 2.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.0 Seguimiento de instrucciones : 6.3 Resolución de acertijos : 5.6 Llamada de herramientas : 3.0 Cultura general : 3.0
#232#232	Nemotron 3.5 Lightningmedium	5.1	NVIDIA	$0.195 ↕	70.11s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 9.9 Tasa de aciertos por intento 48.5% Pruebas inestables 11 Tokens de entrada 126,330 Tokens de salida 165,702 Tokens de razonamiento 594,739 Tiempo de respuesta (promedio) 70.11s Tiempo de respuesta (total) 1542.52s Tiempo de respuesta (máximo) 437.11s Respuesta incorrecta: 13 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.9 Programación : 4.4 Combinado : 6.2 Análisis y extracción de datos : 3.7 Específico del dominio : 2.9 Inteligencia general : 5.5 Seguimiento de instrucciones : 8.5 Resolución de acertijos : 4.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#233#233	Mistral Small 4none	5.1	Mistral	$0.022	1.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 25.8% Pruebas inestables 1 Tokens de entrada 104,717 Tokens de salida 9,812 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.20s Tiempo de respuesta (total) 26.41s Tiempo de respuesta (máximo) 13.16s Respuesta incorrecta: 16 No siguió las instrucciones: 1 Trucos anti-IA : 3.4 Programación : 3.7 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
#234#234	Mistral Small 4medium	5.1	Mistral	$0.097	10.80s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 43.9% Pruebas inestables 8 Tokens de entrada 140,559 Tokens de salida 40,268 Tokens de razonamiento 93,329 Tiempo de respuesta (promedio) 10.80s Tiempo de respuesta (total) 237.60s Tiempo de respuesta (máximo) 59.15s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Error de API: 1 Sin respuesta: 1 Trucos anti-IA : 5.6 Programación : 4.4 Combinado : 3.0 Análisis y extracción de datos : 7.3 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 3.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#235#235	Qwen3 Coder Nextnone	5.1	Qwen	$0.026 ↑	8.63s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 25.8% Pruebas inestables 1 Tokens de entrada 134,227 Tokens de salida 11,808 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.63s Tiempo de respuesta (total) 146.72s Tiempo de respuesta (máximo) 45.14s Respuesta incorrecta: 14 Formato extra: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 3.6 Programación : 4.6 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
#236#236	MiMo-V2.5none	5.1	Xiaomi	$0.025 ↓	4.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 27.3% Pruebas inestables 2 Tokens de entrada 141,052 Tokens de salida 16,464 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.68s Tiempo de respuesta (total) 103.02s Tiempo de respuesta (máximo) 55.36s Respuesta incorrecta: 14 Formato extra: 1 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 3.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 2.9 Inteligencia general : 4.4 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#237#237	Qwen3.5-9Bnone	5.1	Qwen	$0.021 ↑	19.19s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 10.0 Tasa de aciertos por intento 19.7% Pruebas inestables 1 Tokens de entrada 144,416 Tokens de salida 37,484 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 19.19s Tiempo de respuesta (total) 422.25s Tiempo de respuesta (máximo) 382.06s Respuesta incorrecta: 14 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.1 Programación : 3.9 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 : 3.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#238#238	GLM 5 Turbonone	5.1	Z.ai	$0.047 ↑	2.82s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 15 Fiabilidad 10.0 Tasa de aciertos por intento 30.3% Pruebas inestables 2 Tokens de entrada 32,525 Tokens de salida 1,815 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 2.82s Tiempo de respuesta (total) 59.29s Tiempo de respuesta (máximo) 8.21s Respuesta incorrecta: 13 No siguió las instrucciones: 2 Trucos anti-IA : 3.0 Programación : 3.9 Combinado : 1.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.2 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#239#239	North Mini Codenone	5.1	Cohere	$0.000	29.95s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 18 Fiabilidad 8.7 Tasa de aciertos por intento 18.2% Pruebas inestables 0 Tokens de entrada 130,501 Tokens de salida 26,786 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 29.95s Tiempo de respuesta (total) 658.83s Tiempo de respuesta (máximo) 159.85s Respuesta incorrecta: 12 Formato extra: 2 No siguió las instrucciones: 2 Llamada de herramienta no válida: 2 Trucos anti-IA : 3.0 Programación : 3.9 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 3.5 Llamada de herramientas : 9.5 Cultura general : 3.0
#240#240	MiniMax M2.7medium	5.0	Minimax	$0.208	43.25s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 17 Fiabilidad 10.0 Tasa de aciertos por intento 45.5% Pruebas inestables 9 Tokens de entrada 114,527 Tokens de salida 18,558 Tokens de razonamiento 129,146 Tiempo de respuesta (promedio) 43.25s Tiempo de respuesta (total) 908.21s Tiempo de respuesta (máximo) 196.21s Respuesta incorrecta: 6 No siguió las instrucciones: 5 Sin respuesta: 2 Tiempo agotado: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 5.7 Combinado : 3.8 Análisis y extracción de datos : 6.3 Específico del dominio : 3.0 Inteligencia general : 3.9 Seguimiento de instrucciones : 3.8 Resolución de acertijos : 5.9 Llamada de herramientas : 4.7 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