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: Métrica ↑.
Modelos mostrados
15
Promedio de Puntuación de Resolución de acertijos
6.7
Mejor modelo
Ling-2.6-flash 2.9| Rango | Modelo | Empresa | Puntuación de Resolución de acertijos | Puntuación | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #159 | Ling-2.6-1T none | Inclusionai | 3.1 | 4.3 | 0/3 | 5.36s |
| #124 | Kimi K2.6 none | Moonshot AI | 3.1 | 5.5 | 0/3 | 1.40s |
| #142 | Mistral Small 4 none | Mistral | 3.1 | 4.9 | 0/3 | 399ms |
| #154 | Qwen3.5-9B none | Qwen | 3.2 | 4.6 | 0/3 | 621ms |
| #163 | Granite 4.1 8B none | IBM Granite | 3.2 | 4.0 | 0/3 | 608ms |
| #153 | Qwen3.6 35B A3B none | Qwen | 3.2 | 4.6 | 0/3 | 1.07s |
| #132 | Mistral Small 4 medium | Mistral | 3.4 | 5.3 | 0/3 | 2.17s |
| #128 | Qwen3.6 Flash none | Qwen | 3.5 | 5.4 | 0/3 | 1.21s |
| #147 | GPT-4o-mini none | OpenAI | 3.5 | 4.8 | 0/3 | 1.21s |
| #151 | Trinity Large Preview none | Arcee AI | 3.6 | 4.6 | 0/3 | 1.97s |
| #119 | Cobuddy medium | Baidu | 3.6 | 5.6 | 0/3 | 12.8s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 3.7 | 5.6 | 0/3 | 1.35s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 3.8 | 5.3 | 0/3 | 1.00s |
| #160 | LFM2-24B-A2B none | Liquid | 3.8 | 4.2 | 0/3 | 1.78s |
| #70 | GPT-5.4 Nano medium | OpenAI | 4.1 | 7.0 | 0/3 | 3.79s |