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) |
|---|---|---|---|---|---|---|
| #69 | Claude Opus 4.6 medium | Anthropic | 7.7 | 7.0 | 2/3 | 4.71s |
| #73 | Seed-2.0-Mini medium | Bytedance Seed | 8.2 | 6.9 | 2/3 | 31.8s |
| #77 | Claude Sonnet 4.6 none | Anthropic | 7.7 | 6.8 | 2/3 | 2.53s |
| #78 | Qwen3.6 27B medium | Qwen | 7.7 | 6.8 | 2/3 | 61.1s |
| #82 | Hy3 preview high | Tencent | 7.7 | 6.6 | 2/3 | 27.9s |
| #88 | Qwen3.7 Plus none | Qwen | 7.7 | 6.4 | 2/3 | 1.71s |
| #91 | GPT-5.5 none | OpenAI | 7.7 | 6.4 | 2/3 | 1.29s |
| #95 | Qwen3.5 Plus 2026-02-15 none | Qwen | 7.7 | 6.3 | 2/3 | 2.71s |
| #96 | Ring-2.6-1T none | Inclusionai | 7.7 | 6.2 | 2/3 | 31.5s |
| #97 | Gemini 2.5 Flash none | 7.7 | 6.2 | 2/3 | 604ms | |
| #98 | GLM 5 none | Z.ai | 7.7 | 6.1 | 2/3 | 1.91s |
| #106 | Grok 4.20 Beta none | X AI | 7.7 | 5.8 | 2/3 | 586ms |
| #112 | GLM 5.1 none | Z.ai | 7.7 | 5.7 | 2/3 | 1.45s |
| #113 | DeepSeek V4 Pro none | DeepSeek | 7.6 | 5.7 | 2/3 | 16.0s |
| #133 | DeepSeek V3.2 none | DeepSeek | 7.6 | 5.2 | 2/3 | 6.91s |