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) |
|---|---|---|---|---|---|---|
| #42 | GPT-5.2 medium | OpenAI | 7.5 | 7.5 | 2/3 | 5.80s |
| #44 | Gemini 3.1 Flash Lite medium | 7.6 | 7.5 | 2/3 | 1.95s | |
| #45 | GPT-5.4 Mini medium | OpenAI | 7.8 | 7.5 | 2/3 | 4.37s |
| #46 | Qwen3.6 35B A3B medium | Qwen | 8.0 | 7.4 | 2/3 | 5.95s |
| #47 | Grok Build 0.1 medium | X AI | 7.7 | 7.4 | 2/3 | 18.3s |
| #48 | Gemini 3 Flash Preview none | 7.7 | 7.4 | 2/3 | 1.05s | |
| #49 | Qwen3.5-Flash medium | Qwen | 8.2 | 7.4 | 2/3 | 27.6s |
| #55 | GLM 5.1 medium | Z.ai | 8.2 | 7.3 | 2/3 | 31.6s |
| #56 | MiMo-V2.5 medium | Xiaomi | 8.2 | 7.3 | 2/3 | 20.3s |
| #59 | GLM 5V Turbo medium | Z.ai | 7.7 | 7.2 | 2/3 | 10.2s |
| #64 | MiMo-V2-Flash medium | Xiaomi | 7.7 | 7.2 | 2/3 | 3.87s |
| #65 | Grok 4.20 medium | X AI | 7.7 | 7.1 | 2/3 | 6.22s |
| #66 | Qwen3.5-35B-A3B medium | Qwen | 8.2 | 7.1 | 2/3 | 33.1s |
| #67 | MiniMax M3 medium | Minimax | 7.9 | 7.1 | 2/3 | 49.9s |
| #68 | Claude Opus 4.8 none | Anthropic | 7.7 | 7.0 | 2/3 | 2.74s |