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: Pruebas correctas ↓.

Modelos mostrados

Promedio de Puntuación de Programación

6.1

Mejor modelo

Gemini 3.5 Flash 10.0

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)
#46	Gemini 3.1 Flash Lite Preview low	Google	6.8	7.6	1/2	1.56s
#48	Qwen3.5 Plus 2026-04-20 medium	Qwen	5.4	7.6	1/2	137.5s
#49	MiMo-V2-Pro medium	Xiaomi	7.5	7.6	1/2	94.2s
#50	Claude Sonnet 4.6 medium	Anthropic	6.9	7.6	1/2	33.9s
#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
#55	GPT-5.3 Chat none	OpenAI	6.9	7.4	1/2	10.5s
#56	MiMo-V2.5 medium	Xiaomi	6.9	7.4	1/2	64.5s
#57	Kimi K2.6 medium	Moonshot AI	6.5	7.4	1/2	118.2s
#59	GLM 5V Turbo medium	Z.ai	6.8	7.4	1/2	54.8s
#61	GPT-5.4 Mini medium	OpenAI	7.5	7.3	1/2	73.3s
#63	Qwen3.5-35B-A3B medium	Qwen	6.5	7.3	1/2	244.5s
#66	Claude Opus 4.6 medium	Anthropic	7.2	7.2	1/2	29.4s
#67	GPT-5.4 Nano medium	OpenAI	6.8	7.2	1/2	21.1s
#71	Seed-2.0-Mini medium	Bytedance Seed	6.8	7.1	1/2	220.5s

Ranking de Programación

Mejores modelos por Puntuación de Programación

Puntuación de Programación vs costo total

Mejores modelos por Tiempo de respuesta (promedio)