Categoría AI BENCHY
Ranking de Programación
Mira qué modelos de IA rinden mejor en Programación, cuáles se mantienen fiables y dónde aparecen las mayores diferencias. Ordenar por: Pruebas correctas ↑.
Modelos mostrados
15
Promedio de Puntuación de Programación
7.2
Mejor modelo
Gemini 3 PRO Preview 3.0| Rango | Modelo | Empresa | Puntuación de Programación | Puntuación | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #21 | MiMo-V2-Pro medium | Xiaomi | 10.0 | 8.1 | 1/1 | 52.1s |
| #23 | Grok 4.20 Beta medium | X AI | 10.0 | 8.0 | 1/1 | 31.4s |
| #24 | Claude Sonnet 4.6 medium | Anthropic | 10.0 | 8.0 | 1/1 | 35.8s |
| #26 | GPT-5.2 Chat none | OpenAI | 10.0 | 7.9 | 1/1 | 8.97s |
| #27 | Gemini 3.1 Flash Lite Preview none | 10.0 | 7.9 | 1/1 | 1.47s | |
| #29 | GLM 5V Turbo medium | Z.ai | 10.0 | 7.8 | 1/1 | 13.8s |
| #33 | GPT-5.3 Chat none | OpenAI | 10.0 | 7.7 | 1/1 | 9.32s |
| #34 | Claude Opus 4.6 medium | Anthropic | 10.0 | 7.6 | 1/1 | 23.1s |
| #35 | GPT-5.4 Nano medium | OpenAI | 10.0 | 7.6 | 1/1 | 13.4s |
| #36 | Seed-2.0-Mini medium | Bytedance Seed | 10.0 | 7.5 | 1/1 | 197.3s |
| #37 | GPT-5.2 medium | OpenAI | 10.0 | 7.5 | 1/1 | 15.1s |
| #39 | Claude Sonnet 4.6 none | Anthropic | 10.0 | 7.4 | 1/1 | 3.67s |
| #40 | Qwen3.5-35B-A3B medium | Qwen | 10.0 | 7.4 | 1/1 | 79.1s |
| #41 | GPT-5.4 Mini medium | OpenAI | 10.0 | 7.3 | 1/1 | 7.76s |
| #42 | GPT-5 Mini medium | OpenAI | 10.0 | 7.0 | 1/1 | 23.2s |