Ranking de modelos de Combinado

Mira qué modelos de IA rinden mejor en Combinado, cuáles se mantienen fiables y dónde aparecen las mayores diferencias. Ordenar por: Métrica ↑.

Modelos mostrados

Promedio de Puntuación de Combinado

5.6

Mejor modelo

Motivos de fallo

Con motivo de fallo Llamada de herramienta no válida91 Con motivo de fallo Respuesta incorrecta69 Con motivo de fallo Sin respuesta32 Con motivo de fallo Error de API26 Con motivo de fallo Tiempo agotado5 Con motivo de fallo Formato extra1 Con motivo de fallo No siguió las instrucciones1

216/216

Rango	Modelo	Empresa	Puntuación de Combinado	Puntuación	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#52	Grok Build 0.1 medium	X AI	10.0	7.6	$1.097	2/2	65.1s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $1.097 Tiempo de respuesta (promedio) 65.1s
#54	GPT-5.6 Luna medium	OpenAI	10.0	7.6	$0.352	2/2	14.6s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.352 Tiempo de respuesta (promedio) 14.6s
#58	GPT-5.3 Chat none	OpenAI	10.0	7.5	$0.571	2/2	15.1s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.571 Tiempo de respuesta (promedio) 15.1s
#75	Qwen3.7 Plus none	Qwen	10.0	7.2	$0.106	2/2	117.7s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.106 Tiempo de respuesta (promedio) 117.7s
#96	LongCat 2.0 low	Meituan	10.0	6.7	$0.391	2/2	130.2s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.391 Tiempo de respuesta (promedio) 130.2s
#102	LongCat 2.0 high	Meituan	10.0	6.6	$0.469	2/2	167.1s
Pruebas totales 2 Pruebas incorrectas 0 Costo total $0.469 Tiempo de respuesta (promedio) 167.1s

Ranking de Combinado