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) |
|---|---|---|---|---|---|---|
| #118 | Qwen3.6 27B none | Qwen | 5.3 | 5.6 | 1/3 | 5.15s |
| #84 | Grok 4.20 Multi Agent Beta medium | X AI | 6.7 | 6.6 | 1/3 | 5.19s |
| #23 | GLM 5 Turbo medium | Z.ai | 8.7 | 8.0 | 2/3 | 5.23s |
| #40 | Gemini 3.1 Flash Lite Preview medium | 7.7 | 7.5 | 2/3 | 5.30s | |
| #52 | Claude Sonnet 4.6 medium | Anthropic | 10.0 | 7.4 | 3/3 | 5.31s |
| #43 | MiMo-V2.5-Pro medium | Xiaomi | 6.7 | 7.5 | 1/3 | 5.31s |
| #79 | Hunter Alpha medium | OpenRouter | 6.1 | 6.7 | 1/3 | 5.35s |
| #159 | Ling-2.6-1T none | Inclusionai | 3.1 | 4.3 | 0/3 | 5.36s |
| #16 | Gemini 3 Flash Preview low | 10.0 | 8.4 | 3/3 | 5.77s | |
| #37 | Gemma 4 26B A4B medium | 10.0 | 7.6 | 3/3 | 5.79s | |
| #42 | GPT-5.2 medium | OpenAI | 7.5 | 7.5 | 2/3 | 5.80s |
| #46 | Qwen3.6 35B A3B medium | Qwen | 8.0 | 7.4 | 2/3 | 5.95s |
| #22 | Step 3.7 Flash medium | Stepfun | 5.7 | 8.0 | 1/3 | 6.19s |
| #65 | Grok 4.20 medium | X AI | 7.7 | 7.1 | 2/3 | 6.22s |
| #39 | Qwen3.6 Flash medium | Qwen | 8.2 | 7.5 | 2/3 | 6.29s |