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
6.4
Mejor modelo
GLM 4.7 Flash 2.9| Rango | Modelo | Empresa | Puntuación de Resolución de acertijos | Puntuación | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #25 | Grok 4.20 Beta medium | X AI | 8.2 | 8.0 | 2/3 | 3.85s |
| #27 | DeepSeek V3.2 medium | DeepSeek | 8.2 | 8.0 | 2/3 | 36.9s |
| #33 | GLM 5.1 medium | Z.ai | 8.2 | 7.8 | 2/3 | 23.8s |
| #39 | Seed-2.0-Mini medium | Bytedance Seed | 8.2 | 7.5 | 2/3 | 25.9s |
| #64 | DeepSeek V3.2 none | DeepSeek | 8.5 | 6.1 | 2/3 | 7.37s |
| #14 | Gemma 4 31B medium | 8.8 | 8.3 | 2/3 | 27.6s | |
| #6 | Seed-2.0-Lite medium | Bytedance Seed | 9.0 | 8.6 | 2/3 | 11.0s |
| #7 | GPT-5.3-Codex medium | OpenAI | 9.0 | 8.6 | 2/3 | 5.12s |
| #1 | Gemini 3 Flash Preview medium | 10.0 | 10.0 | 3/3 | 4.43s | |
| #2 | Gemini 3.1 Pro Preview medium | 10.0 | 9.6 | 3/3 | 7.15s | |
| #3 | Claude Opus 4.7 medium | Anthropic | 10.0 | 9.2 | 3/3 | 2.51s |
| #4 | Claude Opus 4.7 none | Anthropic | 10.0 | 9.2 | 3/3 | 2.58s |
| #5 | Gemini 3 Flash Preview low | 10.0 | 8.8 | 3/3 | 6.11s | |
| #8 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 10.0 | 8.5 | 3/3 | 34.6s |
| #9 | Qwen3.6 Plus Preview medium | Qwen | 10.0 | 8.5 | 3/3 | 6.11s |