Clef Omni (default) lidera en puntuación media con 1.9 vs 0.8. Nimble v3 9B (default) tiene menor coste de benchmark con ~$0.001 vs $0.011. Nimble v3 9B (default) es más rápido con 363ms vs 880ms, con tasas de acierto de 4.4% vs 8.7%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-10-16
Modelos comparados
Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
Rango
#430
Total de tokens de salida
0
Tiempo de respuesta (promedio)
363ms
Costo total
~$0.001Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.0021 h × 0.377 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000263.
Rango
#421
Total de tokens de salida
0
Tiempo de respuesta (promedio)
880ms
Costo total
$0.011
Modelo recomendadoClef Omni (default)
Tiene la puntuación más alta en esta comparación (1.9) y el mejor equilibrio general entre coste y tiempo de respuesta entre los 2 modelos.
Comparación detallada
Métrica
Nimble v3 9BNimble v3 9BdefaultLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.21/69 intentos. Los adaptadores proporcionan las opciones. Admite 7/23 pruebas. Las demás no son compatibles; no cuentan como fallos. La puntuación usa la batería completa.Lanzamiento: 2026-10-16
Clef OmniClef Omnidefault36/69 intentos. Los adaptadores proporcionan las opciones. Admite 12/23 pruebas. Las demás no son compatibles; no cuentan como fallos. La puntuación usa la batería completa.Lanzamiento: 2026-10-12
Métrica
Nimble v3 9BNimble v3 9BdefaultLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.21/69 intentos. Los adaptadores proporcionan las opciones. Admite 7/23 pruebas. Las demás no son compatibles; no cuentan como fallos. La puntuación usa la batería completa.Lanzamiento: 2026-10-16
Clef OmniClef Omnidefault36/69 intentos. Los adaptadores proporcionan las opciones. Admite 12/23 pruebas. Las demás no son compatibles; no cuentan como fallos. La puntuación usa la batería completa.Lanzamiento: 2026-10-12
Puntuación
0.8Puntaje promedio en todas las pruebas de benchmark.…
1.9Puntaje promedio en todas las pruebas de benchmark.…
Rango
#430
#421
Fiabilidad
10.0Puntuación de éxito en el primer intento: 10.0 significa que no hubo fallos reintentables de la API objetivo ni de límite de tasa antes de llamadas exitosas; los fallos registrados bajan la puntuación.…
10.0Puntuación de éxito en el primer intento: 10.0 significa que no hubo fallos reintentables de la API objetivo ni de límite de tasa antes de llamadas exitosas; los fallos registrados bajan la puntuación.…
Consistencia
3.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
5.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
Intentos
21/69
36/69
Pruebas correctas
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 5No siguió las instrucciones: 1Tiempo de respuesta (promedio)363msTiempo de respuesta (máximo)1.24sTiempo de respuesta (total)2.54sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 9No siguió las instrucciones: 1Tiempo de respuesta (promedio)880msTiempo de respuesta (máximo)1.31sTiempo de respuesta (total)10.56sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
4.4%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
8.7%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Ejecuciones totales
21Ejecuciones totales…
36Ejecuciones totales…
Costo por resultado
~0.027Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.0021 h × 0.377 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000263.
0.526
Costo total
~$0.001Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.0021 h × 0.377 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000263.
$0.011
Precio de entrada
N/DPrecio de entrada…
$0.150 / 1MPrecio de entrada…
Precio de salida
N/DPrecio de salida…
$0.000 / 1MPrecio de salida…
Precio de lectura de caché
N/DPrecio de lectura de caché…
N/DPrecio de lectura de caché…
Precio de escritura de caché
N/DPrecio de escritura de caché…
N/DPrecio de escritura de caché…
Total de tokens de entrada
103,770Total de tokens de entrada…
70,125Total de tokens de entrada…
Tokens de salida
0Tokens de salida…
0Tokens de salida…
Tokens de razonamiento
0Tokens de razonamiento…
0Tokens de razonamiento…
Tiempo de respuesta (promedio)
363msTiempo de respuesta (promedio)…
880msTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
1.24sTiempo de respuesta (máximo)…
1.31sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
2.54sTiempo de respuesta (total)…
10.56sTiempo de respuesta (total)…
Parámetros
9B
30B en total (3B activos)
Disponibilidad
Pesos disponibles
Código abierto
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.
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
Tareas de agentes
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0msTiempo de respuesta (promedio)…
0Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
Trucos anti-IA
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
2.5Puntaje promedio en todas las pruebas de benchmark.…
2.5La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
25.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)73msTiempo de respuesta (máximo)73msTiempo de respuesta (total)73msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.0Puntaje promedio en todas las pruebas de benchmark.…
7.5La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
25.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)861msTiempo de respuesta (máximo)1.12sTiempo de respuesta (total)2.58sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
861msTiempo de respuesta (promedio)…
12,810Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
Programación
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.5Puntaje promedio en todas las pruebas de benchmark.…
6.7La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)614msTiempo de respuesta (máximo)749msTiempo de respuesta (total)1.23sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
614msTiempo de respuesta (promedio)…
33,750Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
Combinado
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0msTiempo de respuesta (promedio)…
0Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
Análisis y extracción de datos
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
3.0Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)880msTiempo de respuesta (máximo)1.24sTiempo de respuesta (total)1.76sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.5Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
50.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)1.06sTiempo de respuesta (máximo)1.18sTiempo de respuesta (total)2.11sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.06sTiempo de respuesta (promedio)…
13,545Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
Específico del dominio
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
2.0Puntaje promedio en todas las pruebas de benchmark.…
6.7La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)80msTiempo de respuesta (máximo)91msTiempo de respuesta (total)160msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.0Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)1.05sTiempo de respuesta (máximo)1.31sTiempo de respuesta (total)3.16sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.05sTiempo de respuesta (promedio)…
4,485Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
Inteligencia general
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0msTiempo de respuesta (promedio)…
0Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
Seguimiento de instrucciones
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
1.5Puntaje promedio en todas las pruebas de benchmark.…
5.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)469msTiempo de respuesta (máximo)469msTiempo de respuesta (total)469msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.5Puntaje promedio en todas las pruebas de benchmark.…
5.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)904msTiempo de respuesta (máximo)904msTiempo de respuesta (total)904msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
904msTiempo de respuesta (promedio)…
4,893Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
Resolución de acertijos
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
1.7Puntaje promedio en todas las pruebas de benchmark.…
3.3La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 1Tiempo de respuesta (promedio)79msTiempo de respuesta (máximo)79msTiempo de respuesta (total)79msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.7Puntaje promedio en todas las pruebas de benchmark.…
3.3La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)572msTiempo de respuesta (máximo)572msTiempo de respuesta (total)572msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
572msTiempo de respuesta (promedio)…
642Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
Llamada de herramientas
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0msTiempo de respuesta (promedio)…
0Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
Cultura general
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Nimble v3 9BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. nimble-v3:9b-q8_0 · Q8_0 · Ollama 0.40.5 · NVIDIA GeForce RTX 3090.
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
0.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…