Modelos comparados

Comparación benchmark Claude Opus 5 (high) vs GPT-5.6 Sol (high) vs Kimi K3 (max) vs Gemini 3.6 Flash (medium): Gemini 3.6 Flash (medium) lidera en Puntuación con 9.8. Claude Opus 5 (high) lidera en Fiabilidad con 10.0. Gemini 3.6 Flash (medium) tiene el Costo total más bajo con $0.577. GPT-5.6 Sol (high) es el más rápido con 13.59s.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-10-26

Modelos comparados

Rango: #30
Total de tokens de salida: 105,662
Tiempo de respuesta (promedio): 25.31s
Costo total: $4.524

Rango: #24
Total de tokens de salida: 32,071
Tiempo de respuesta (promedio): 13.59s
Costo total: $1.595

Rango: #102
Total de tokens de salida: 233,327
Tiempo de respuesta (promedio): 139.41s
Costo total: $3.409

Rango: #10
Total de tokens de salida: 116,124
Tiempo de respuesta (promedio): 14.03s
Costo total: $0.577

Modelo recomendado Gemini 3.6 Flash (medium)

Tiene la mejor puntuación aquí (9.8) y cuesta aproximadamente 5.5x menos que los otros modelos de esta comparación.

Comparación detallada

Métrica	Claude Opus 5 Claude Opus 5 high Lanzamiento: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high Lanzamiento: 2026-07-09	Kimi K3 Kimi K3 max Lanzamiento: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium Lanzamiento: 2026-07-21

Métrica	Claude Opus 5 Claude Opus 5 high Lanzamiento: 2026-07-25	GPT-5.6 Sol GPT-5.6 Sol high Lanzamiento: 2026-07-09	Kimi K3 Kimi K3 max Lanzamiento: 2026-07-16	Gemini 3.6 Flash Gemini 3.6 Flash medium Lanzamiento: 2026-07-21
Puntuación	9.4	9.5	8.3	9.8
Rango	#30	#24	#102	#10
Fiabilidad	10.0	10.0	9.3	10.0
Consistencia	10.0	8.9	9.3	9.3
Intentos	69/69	69/69	69/69	69/69
Pruebas correctas
Tasa de aciertos por intento	82.6%	89.9%	78.3%	95.7%
Pruebas inestables	0	3	2	2
Ejecuciones totales	69	69	69	69
Costo por resultado	23.809	8.020	23.601	4.619
Costo total	$4.524	$1.595	$3.409	$0.577
Precio de entrada	$5.000 / 1M	$2.000 / 1M	$0.830 / 1M	$0.750 / 1M
Precio de salida	$25.000 / 1M	$10.000 / 1M	$14.000 / 1M	$3.750 / 1M
Precio de lectura de caché	$0.500 / 1M	$0.200 / 1M	$0.270 / 1M	$0.075 / 1M
Precio de escritura de caché	$6.250 / 1M	$2.500 / 1M	N/D	$0.042 / 1M
Total de tokens de entrada	376,421	195,567	170,700	188,003
Tokens de salida	67,688	5,841	7,719	2,914
Tokens de razonamiento	37,974	26,230	225,608	113,210
Tiempo de respuesta (promedio)	25.31s	13.59s	139.41s	14.03s
Tiempo de respuesta (máximo)	159.01s	59.99s	766.58s	77.15s
Tiempo de respuesta (total)	582.11s	312.61s	2788.26s	322.73s
Parámetros	~5T en total (~500B activos)	~2T en total (~150B activos)	2.8T en total (104B activos)	~500B en total (~20B activos)
Disponibilidad	Código cerrado	Código cerrado	Pesos disponibles	Código cerrado

Los precios de caché se aplican a los tokens de entrada. Las lecturas reutilizan instrucciones guardadas; las escrituras las almacenan y pueden costar más. Los tokens de salida usan el precio de salida.

Generación showcase de modelos

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#30 Claude Opus 5

high

Coste: $0.265
Tiempo: 144.5s
Tokens: 10,741 tok

#24 GPT-5.6 Sol

high

Coste: $0.151
Tiempo: 201.9s
Tokens: 5,100 tok

#102 MoonshotAI: Kimi K3

max

Coste: $0.281
Tiempo: 506.9s
Tokens: 18,863 tok

#10 Gemini 3.6 Flash

medium

Coste: $0.095
Tiempo: 49.9s
Tokens: 12,664 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Tareas de agentes	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	10.0	10.0	100.0%	86.99s	240,465	3,064	7,015
GPT-5.6 Sol	10.0	10.0	100.0%	59.99s	116,309	986	2,377
Kimi K3	10.0	10.0	100.0%	74.24s	135,740	4,832	4,367
Gemini 3.6 Flash	10.0	10.0	100.0%	61.77s	123,557	940	14,308

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	10.0	10.0	100.0%	0	5.91s	834	2,063	617
GPT-5.6 Sol	8.7	7.9	91.7%	1	3.39s	606	171	644
Kimi K3	10.0	10.0	100.0%	0	10.24s	1,638	496	2,629
Gemini 3.6 Flash	10.0	10.0	100.0%	0	2.54s	508	165	4,173

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	10.0	10.0	100.0%	12.73s	10,590	7,547	1,721
GPT-5.6 Sol	10.0	10.0	100.0%	12.52s	7,302	404	5,656
Kimi K3	10.0	10.0	100.0%	325.79s	8,061	460	84,012
Gemini 3.6 Flash	10.0	10.0	100.0%	14.81s	8,124	444	31,421

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	10.0	10.0	100.0%	31.11s	98,549	10,546	2,198
GPT-5.6 Sol	10.0	10.0	100.0%	24.99s	56,154	3,298	4,866
Kimi K3	6.5	10.0	50.0%	223.03s	12,792	399	20,460
Gemini 3.6 Flash	10.0	10.0	100.0%	49.01s	40,411	405	13,351

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	10.0	10.0	100.0%	0	4.22s	10,503	488	160
GPT-5.6 Sol	10.0	10.0	100.0%	0	1.16s	7,140	222	0
Kimi K3	7.3	5.8	83.3%	1	16.72s	7,839	354	2,606
Gemini 3.6 Flash	10.0	10.0	100.0%	0	4.92s	7,457	279	5,288

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	3.0	10.0	0.0%	0	104.24s	972	40,623	24,923
GPT-5.6 Sol	5.3	7.2	44.4%	1	37.67s	628	62	10,365
Kimi K3	5.3	7.2	44.4%	1	683.62s	838	57	106,892
Gemini 3.6 Flash	5.8	4.4	66.7%	2	21.99s	648	12	31,866

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	10.0	10.0	100.0%	3.79s	708	268	0
GPT-5.6 Sol	10.0	10.0	100.0%	4.40s	477	97	238
Kimi K3	10.0	10.0	100.0%	14.91s	732	191	871
Gemini 3.6 Flash	10.0	10.0	100.0%	3.40s	492	109	1,384

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	10.0	10.0	100.0%	4.78s	909	119	361
GPT-5.6 Sol	10.0	10.0	100.0%	2.73s	660	96	331
Kimi K3	10.0	10.0	100.0%	7.66s	1,179	147	1,119
Gemini 3.6 Flash	10.0	10.0	100.0%	3.82s	623	72	3,634

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	10.0	10.0	100.0%	4.66s	894	908	524
GPT-5.6 Sol	10.0	10.0	100.0%	4.10s	642	211	675
Kimi K3	10.0	10.0	100.0%	7.36s	1,416	495	1,368
Gemini 3.6 Flash	10.0	10.0	100.0%	3.43s	568	249	3,656

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	10.0	10.0	100.0%	8.44s	11,739	354	0
GPT-5.6 Sol	10.0	10.0	100.0%	7.08s	5,454	264	393
Kimi K3	3.0	10.0	0.0%	0ms	0	0	0
Gemini 3.6 Flash	10.0	10.0	100.0%	5.78s	5,457	229	1,372

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 5	3.0	10.0	0.0%	0	14.14s	258	1,708	455
GPT-5.6 Sol	4.7	1.6	66.7%	1	6.97s	195	30	685
Kimi K3	3.0	10.0	0.0%	0	19.67s	465	288	1,284
Gemini 3.6 Flash	10.0	10.0	100.0%	0	5.48s	158	10	2,757

Cambiar par de comparación

Claude Opus 5highvsGemini 3.7 Flashlow Gemini 3.5 FlashhighvsKimi K3max Claude Haiku 5.5highvsKimi K3max Claude Opus 5highvsGPT-6.1 Terraxhigh Kimi K3maxvsGPT-5.6 Terrahigh Kimi K3maxvsGPT-6 Lunamedium Claude Opus 4.8mediumvsKimi K3max Gemini 3.7 FlashmediumvsGPT-5.6 Solhigh Ling 3.1 FlashmediumvsKimi K3max Kimi K3maxvsQwen3.7 Plusmedium Claude Opus 5highvsGPT-6.1 Terralow Claude Opus 5.5lowvsGPT-5.6 Solhigh

Modelos comparados