Categoría AI BENCHY
Ranking de Resolución de acertijos
Mira qué modelos de IA rinden mejor en Resolución de acertijos, cuáles se mantienen fiables y dónde aparecen las mayores diferencias. Ordenar por: Tiempo de respuesta (promedio) ↑.
Modelos mostrados
15
Promedio de Puntuación de Resolución de acertijos
6.7
Mejor modelo
Mistral Small 4 3.1| Rango | Modelo | Empresa | Puntuación de Resolución de acertijos | Puntuación | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #94 | GPT-5 Nano medium | OpenAI | 5.3 | 6.3 | 1/3 | 20.6s |
| #75 | Ring-2.6-1T medium | Inclusionai | 5.9 | 6.9 | 1/3 | 20.7s |
| #99 | gpt-oss-120b medium | OpenAI | 5.3 | 6.1 | 1/3 | 21.7s |
| #38 | Grok 4.3 medium | X AI | 5.9 | 7.6 | 1/3 | 22.5s |
| #139 | DeepSeek V4 Flash none | DeepSeek | 3.1 | 5.0 | 0/3 | 23.7s |
| #14 | Qwen3.6 Max Preview medium | Qwen | 10.0 | 8.5 | 3/3 | 24.3s |
| #140 | Qwen3 Coder Next none | Qwen | 3.0 | 4.9 | 0/3 | 24.3s |
| #130 | MiniMax M2.7 medium | Minimax | 5.9 | 5.3 | 1/3 | 24.9s |
| #60 | Kimi K2.6 medium | Moonshot AI | 6.0 | 7.2 | 1/3 | 25.1s |
| #31 | DeepSeek V4 Flash high | DeepSeek | 8.2 | 7.7 | 2/3 | 26.1s |
| #27 | Gemma 4 31B medium | 9.9 | 7.8 | 3/3 | 26.9s | |
| #49 | Qwen3.5-Flash medium | Qwen | 8.2 | 7.4 | 2/3 | 27.6s |
| #82 | Hy3 preview high | Tencent | 7.7 | 6.6 | 2/3 | 27.9s |
| #96 | Ring-2.6-1T none | Inclusionai | 7.7 | 6.2 | 2/3 | 31.5s |
| #55 | GLM 5.1 medium | Z.ai | 8.2 | 7.3 | 2/3 | 31.6s |