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: Pruebas correctas ↑.
Modelos mostrados
15
Promedio de Puntuación de Resolución de acertijos
6.7
Mejor modelo
GPT-5.4 Nano 4.1| Rango | Modelo | Empresa | Puntuación de Resolución de acertijos | Puntuación | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #126 | gpt-oss-120b none | OpenAI | 6.0 | 5.4 | 1/3 | 8.21s |
| #127 | Grok 4.20 none | X AI | 5.3 | 5.4 | 1/3 | 473ms |
| #129 | MiniMax M2.5 medium | Minimax | 5.3 | 5.3 | 1/3 | 11.2s |
| #130 | MiniMax M2.7 medium | Minimax | 5.9 | 5.3 | 1/3 | 24.9s |
| #134 | GLM 5 Turbo none | Z.ai | 5.5 | 5.2 | 1/3 | 2.65s |
| #136 | Elephant Alpha medium | Openrouter | 5.3 | 5.1 | 1/3 | 868ms |
| #141 | Nemotron 3 Super none | NVIDIA | 5.5 | 4.9 | 1/3 | 2.36s |
| #143 | MiMo-V2.5 none | Xiaomi | 5.4 | 4.9 | 1/3 | 2.13s |
| #144 | GPT-5.4 Mini none | OpenAI | 5.4 | 4.9 | 1/3 | 836ms |
| #146 | Laguna Xs.2 none | Poolside | 5.3 | 4.8 | 1/3 | 650ms |
| #148 | GPT-5.4 Nano none | OpenAI | 5.4 | 4.7 | 1/3 | 1.25s |
| #152 | MiMo-V2-Flash none | Xiaomi | 5.3 | 4.6 | 1/3 | 1.86s |
| #7 | Gemini 3.5 Flash medium | 7.7 | 9.0 | 2/3 | 2.38s | |
| #12 | Gemini 3.1 Flash Lite Preview high | 7.7 | 8.6 | 2/3 | 46.7s | |
| #15 | GPT-5.3-Codex medium | OpenAI | 9.0 | 8.4 | 2/3 | 5.05s |