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) |
|---|---|---|---|---|---|---|
| #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 |
| #70 | GPT-5.4 Nano medium | OpenAI | 4.1 | 7.0 | 0/3 | 3.79s |
| #105 | Nemotron 3 Super medium | NVIDIA | 3.0 | 5.8 | 0/3 | 3.15s |
| #108 | Qwen3.5-Flash none | Qwen | 3.1 | 5.8 | 0/3 | 10.9s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 3.7 | 5.6 | 0/3 | 1.35s |