Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Modelos comparados

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-12

Métrica Claude Opus 4.6 Claude Opus 4.6 medium Lanzamiento: 2026-02-05 Claude Sonnet 4.6 Claude Sonnet 4.6 medium Lanzamiento: 2026-02-17 GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05 Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Lanzamiento: 2026-02-19
Rango #28 #12 #4 #2
Puntaje prom. 6.6 7.7 8.4 9.4
Consistencia 9.0 9.5 9.1 10.0
Costo por resultado 13.118 8.525 4.485 3.417
Costo total $1.312 $1.023 $0.539 $0.513
Pruebas correctas
Tasa de aciertos por intento 66.7% 77.1% 83.3% 93.8%
Pruebas inestables 2 1 2 0
Ejecuciones totales 48 48 48 48
Tokens de salida 26,254 35,159 1,764 1,521
Tokens de razonamiento 17,363 24,687 33,348 35,656
Tiempo de respuesta (promedio) 22.86s 11.23s 16.59s 16.60s
Tiempo de respuesta (máximo) 83.40s 46.35s 100.93s 40.61s
Tiempo de respuesta (total) 205.71s 89.84s 265.39s 149.36s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntaje prom. vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntaje prom. vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.6 4.0 4.4 55.6% 2 11.88s 897 1,000
Claude Sonnet 4.6 7.0 10.0 66.7% 0 4.95s 1,031 1,093
GPT-5.3-Codex 10.0 10.0 100.0% 0 4.69s 216 1,421
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 9.52s 106 2,533
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 8,178 5,194
Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 5,871 3,962
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 364 2,731
Gemini 3.1 Pro Preview 9.0 10.0 100.0% 0 40.61s 432 9,281
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.6 9.9 10.0 100.0% 0 7.37s 691 757
Claude Sonnet 4.6 9.9 10.0 100.0% 0 13.90s 649 742
GPT-5.3-Codex 9.9 10.0 100.0% 0 3.07s 234 728
Gemini 3.1 Pro Preview 9.9 10.0 100.0% 0 7.72s 279 3,904
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 0.0% 0 83.40s 14,642 8,687
Claude Sonnet 4.6 10.0 7.2 11.1% 1 0ms 25,790 16,919
GPT-5.3-Codex 4.0 7.2 55.6% 1 64.31s 64 25,308
Gemini 3.1 Pro Preview 7.0 10.0 66.7% 0 32.73s 18 12,424
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 188 292
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 256 433
GPT-5.3-Codex 4.0 10.0 0.0% 0 4.87s 187 331
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 11.77s 108 1,179
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 266 467
Claude Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 318 552
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 93 693
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 9.56s 72 2,236
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.6 7.0 10.0 66.7% 0 4.60s 531 637
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.80s 589 635
GPT-5.3-Codex 9.3 7.9 88.9% 1 5.12s 352 1,644
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.15s 232 3,117
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 861 329
Claude Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 655 351
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 254 492
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 23.15s 274 982

Comparación rápida

Cambiar par de comparación

Gemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneClaude Opus 4.6mediumvsQwen3.5 Plus 2026-02-15noneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewlowClaude Opus 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsGLM 5noneClaude Opus 4.6mediumvsGemini 3 Flash PreviewnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.6mediumvsGPT-5.3 Chatnone