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
Gemini 3 Flash Preview 10.0| Rango | Modelo | Empresa | Puntuación de Resolución de acertijos | Puntuación | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #101 | Mimo V2 Omni none | Xiaomi | 10.0 | 6.0 | 3/3 | 1.16s |
| #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 |
| #19 | Seed-2.0-Lite medium | Bytedance Seed | 9.0 | 8.2 | 2/3 | 10.2s |
| #21 | GPT-5.4 medium | OpenAI | 8.2 | 8.0 | 2/3 | 9.14s |
| #23 | GLM 5 Turbo medium | Z.ai | 8.7 | 8.0 | 2/3 | 5.23s |
| #24 | GPT-5.2 Chat none | OpenAI | 7.7 | 7.9 | 2/3 | 4.10s |
| #28 | Gemini 2.5 Flash medium | 7.7 | 7.8 | 2/3 | 3.18s | |
| #30 | Qwen3.5-27B medium | Qwen | 8.2 | 7.8 | 2/3 | 59.6s |
| #31 | DeepSeek V4 Flash high | DeepSeek | 8.2 | 7.7 | 2/3 | 26.1s |
| #33 | Hy3 preview medium | Tencent | 7.7 | 7.7 | 2/3 | 11.1s |
| #36 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 8.2 | 7.6 | 2/3 | 17.7s |
| #39 | Qwen3.6 Flash medium | Qwen | 8.2 | 7.5 | 2/3 | 6.29s |
| #40 | Gemini 3.1 Flash Lite Preview medium | 7.7 | 7.5 | 2/3 | 5.30s |