Ranking de modelos de Programación

Categoría AI BENCHY

Mira qué modelos de IA rinden mejor en Programación, cuáles se mantienen fiables y dónde aparecen las mayores diferencias.

Modelos mostrados

Promedio de Puntuación de Programación

5.7

Mejor modelo

Motivos de fallo

Con motivo de fallo Respuesta incorrecta194 Con motivo de fallo Error de API43 Con motivo de fallo Tiempo agotado23 Con motivo de fallo Sin respuesta18 Con motivo de fallo No siguió las instrucciones14 Con motivo de fallo Formato extra11

Rango	Modelo	Empresa	Puntuación de Programación	Puntuación	Pruebas correctas	Tiempo de respuesta (promedio)
#2	Gemini 3.5 Flash high	Google	10.0	9.6	3/3	23.0s
#5	Qwen3.7 Max medium	Qwen	10.0	9.1	3/3	35.3s
#6	GPT-5.5 low	OpenAI	10.0	9.0	3/3	15.0s
#8	Claude Opus 4.7 none	Anthropic	10.0	8.9	1/1	2.84s
#10	Claude Opus 4.8 medium	Anthropic	10.0	8.7	3/3	15.3s
#13	Grok 4.20 Beta medium	X AI	10.0	8.5	1/1	31.4s
#15	GPT-5.3-Codex medium	OpenAI	10.0	8.4	3/3	19.5s
#17	GLM 5 medium	Z.ai	10.0	8.3	3/3	74.3s
#42	GPT-5.2 medium	OpenAI	10.0	7.5	3/3	22.7s
#53	Gemini 3.1 Flash Lite high	Google	10.0	7.3	1/1	137.6s
#54	GPT-5 Mini medium	OpenAI	10.0	7.3	3/3	27.6s
#84	Grok 4.20 Multi Agent Beta medium	X AI	10.0	6.6	1/1	27.1s
#100	Grok Build 0.1 none	X AI	10.0	6.0	1/1	21.4s
#162	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	10.0	4.1	1/1	1.27s
#9	GPT-5.5 medium	OpenAI	8.8	8.8	2/3	59.8s

Ranking de Programación