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. Ordenar por: Métrica ↑.

Modelos mostrados

Promedio de Puntuación de Programación

6.1

Mejor modelo

Motivos de fallo

Con motivo de fallo Respuesta incorrecta119 Con motivo de fallo Sin respuesta18 Con motivo de fallo No siguió las instrucciones16 Con motivo de fallo Tiempo agotado12 Con motivo de fallo Formato extra7 Con motivo de fallo Error de API6

Rango	Modelo	Empresa	Puntuación de Programación	Puntuación	Pruebas correctas	Tiempo de respuesta (promedio)
#27	Qwen3.7 Max none	Qwen	6.8	7.9	1/2	1.39s
#36	Gemini 3.1 Flash Lite Preview medium	Google	6.8	7.7	1/2	3.98s
#37	Gemini 3.1 Flash Lite medium	Google	6.8	7.7	1/2	3.59s
#41	Gemini 3 Flash Preview none	Google	6.8	7.7	1/2	2.19s
#44	DeepSeek V4 Flash high	DeepSeek	6.8	7.6	1/2	58.1s
#46	Gemini 3.1 Flash Lite Preview low	Google	6.8	7.6	1/2	1.56s
#52	Gemini 3.1 Flash Lite Preview none	Google	6.8	7.5	1/2	1.06s
#53	Gemini 3.1 Flash Lite low	Google	6.8	7.4	1/2	1.71s
#59	GLM 5V Turbo medium	Z.ai	6.8	7.4	1/2	54.8s
#72	Claude Sonnet 4.6 none	Anthropic	6.8	7.0	1/2	6.73s
#77	Gemma 4 31B none	Google	6.8	6.7	1/2	14.8s
#78	Gemini 3.1 Flash Lite minimal	Google	6.8	6.7	1/2	951ms
#85	Gemini 3.1 Flash Lite none	Google	6.8	6.6	1/2	1.13s
#86	GPT-5.5 none	OpenAI	6.8	6.5	1/2	1.52s
#90	Gemini 2.5 Flash none	Google	6.8	6.4	1/2	810ms

Ranking de Programación