Seed-2.0-Mini (medium) vs Inkling 2 Mini (local Q4) (low)
Inkling 2 Mini (local Q4) (low) lidera en puntuación media con 7.6 vs 7.5. Seed-2.0-Mini (medium) tiene menor coste de benchmark con $0.140 vs ~$0.292. Seed-2.0-Mini (medium) es más rápido con 91.67s vs 153.99s, con tasas de acierto de 59.4% vs 66.7%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-11-22
Modelos comparados
Rango
#208
Total de tokens de salida
271,559
Tiempo de respuesta (promedio)
91.67s
Costo total
$0.140
Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
Rango
#202
Total de tokens de salida
129,600
Tiempo de respuesta (promedio)
153.99s
Costo total
~$0.292Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.9515 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.291818.
Modelo recomendadoSeed-2.0-Mini (medium)
Su puntuación se mantiene cerca de la mejor aquí (7.5 vs 7.6) y cuesta aproximadamente 2.1x menos que Inkling 2 Mini (local Q4) (low).
Inkling 2 Mini (local Q4)Inkling 2 Mini (local Q4)lowLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.Lanzamiento: 2026-11-20
Inkling 2 Mini (local Q4)Inkling 2 Mini (local Q4)lowLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.Lanzamiento: 2026-11-20
Puntuación
7.5Puntaje promedio en todas las pruebas de benchmark.…
7.6Puntaje promedio en todas las pruebas de benchmark.…
Rango
#208
#202
Fiabilidad
9.4Puntuación 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.…
9.7Puntuación 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
9.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
9.6La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
Intentos
69/69
69/69
Pruebas correctas
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 5Tiempo agotado: 4No siguió las instrucciones: 1Sin respuesta: 1Tiempo de respuesta (promedio)91.67sTiempo de respuesta (máximo)301.78sTiempo de respuesta (total)1833.43sUna 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: 5No siguió las instrucciones: 1Sin respuesta: 1Tiempo agotado: 1Tiempo de respuesta (promedio)153.99sTiempo de respuesta (máximo)1963.67sTiempo de respuesta (total)3541.85sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
59.4%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
66.7%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
3Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
1Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Ejecuciones totales
69Ejecuciones totales…
69Ejecuciones totales…
Costo por resultado
1.167
~1.946Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.9515 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.291818.
Costo total
$0.140
~$0.292Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.9515 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.291818.
Precio de entrada
$0.100 / 1MPrecio de entrada…
N/DPrecio de entrada…
Precio de salida
$0.400 / 1MPrecio de salida…
N/DPrecio 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
313,368Total de tokens de entrada…
312,366Total de tokens de entrada…
Tokens de salida
12,289Tokens de salida…
1,631Tokens de salida…
Tokens de razonamiento
259,270Tokens de razonamiento…
127,969Tokens de razonamiento…
Tiempo de respuesta (promedio)
91.67sTiempo de respuesta (promedio)…
153.99sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
301.78sTiempo de respuesta (máximo)…
1963.67sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
1833.43sTiempo de respuesta (total)…
3541.85sTiempo de respuesta (total)…
Parámetros
~50B en total (~5B activos)
26.4B en total (3.4B activos)
Disponibilidad
Código cerrado
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.
Generación showcase de modelos
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#208 Seed-2.0-Mini
medium
Coste
$0.002
Tiempo
161.7s
Tokens
4,379 tok
#202 Thinking Machines: Inkling 2 Mini (local Q4)
lowLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
Coste
~$0.003Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.0237 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.002347.
10.0Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
100.0%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)64.52sTiempo de respuesta (máximo)64.52sTiempo de respuesta (total)64.52sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
64.52sTiempo de respuesta (promedio)…
187,664Total de tokens de entrada…
1,508Tokens de salida…
11,729Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
10.0Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
100.0%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)58.97sTiempo de respuesta (máximo)58.97sTiempo de respuesta (total)58.97sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.6Puntaje 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.Tiempo agotado: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)74.75sTiempo de respuesta (máximo)182.10sTiempo de respuesta (total)298.98sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
74.75sTiempo de respuesta (promedio)…
791Total de tokens de entrada…
360Tokens de salida…
9,520Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
10.0Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
100.0%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)5.40sTiempo de respuesta (máximo)8.07sTiempo de respuesta (total)21.60sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.5Puntaje promedio en todas las pruebas de benchmark.…
9.8La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
33.3%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.Tiempo agotado: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)220.48sTiempo de respuesta (máximo)243.66sTiempo de respuesta (total)440.97sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
220.48sTiempo de respuesta (promedio)…
3,823Total de tokens de entrada…
464Tokens de salida…
34,964Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
5.3Puntaje promedio en todas las pruebas de benchmark.…
7.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
44.4%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
1Pruebas 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.Tiempo agotado: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)831.97sTiempo de respuesta (máximo)1963.67sTiempo de respuesta (total)2495.90sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.3Puntaje promedio en todas las pruebas de benchmark.…
5.8La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
83.3%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
1Pruebas 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.Sin respuesta: 1Tiempo de respuesta (promedio)282.30sTiempo de respuesta (máximo)301.78sTiempo de respuesta (total)564.61sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
282.30sTiempo de respuesta (promedio)…
100,096Total de tokens de entrada…
8,627Tokens de salida…
143,688Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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.Sin respuesta: 1Tiempo de respuesta (promedio)123.84sTiempo de respuesta (máximo)227.77sTiempo de respuesta (total)247.69sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
10.0Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
100.0%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)24.27sTiempo de respuesta (máximo)27.52sTiempo de respuesta (total)48.54sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
24.27sTiempo de respuesta (promedio)…
8,568Total de tokens de entrada…
246Tokens de salida…
2,743Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
10.0Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
100.0%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)20.83sTiempo de respuesta (máximo)21.70sTiempo de respuesta (total)41.66sUna 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.Tiempo agotado: 2Respuesta incorrecta: 1Tiempo de respuesta (promedio)103.41sTiempo de respuesta (máximo)103.41sTiempo de respuesta (total)103.41sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
103.41sTiempo de respuesta (promedio)…
237Total de tokens de entrada…
3Tokens de salida…
37,685Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
7.7Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
66.7%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)198.65sTiempo de respuesta (máximo)335.23sTiempo de respuesta (total)595.96sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.1Puntaje promedio en todas las pruebas de benchmark.…
3.4La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
33.3%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
1Pruebas 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)36.65sTiempo de respuesta (máximo)36.65sTiempo de respuesta (total)36.65sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
36.65sTiempo de respuesta (promedio)…
585Total de tokens de entrada…
213Tokens de salida…
4,210Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
5.5Puntaje 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: 1Tiempo de respuesta (promedio)5.55sTiempo de respuesta (máximo)5.55sTiempo de respuesta (total)5.55sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
10.0Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
100.0%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)17.47sTiempo de respuesta (máximo)19.46sTiempo de respuesta (total)34.93sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
17.47sTiempo de respuesta (promedio)…
840Total de tokens de entrada…
69Tokens de salida…
2,050Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
9.8Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
100.0%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)5.10sTiempo de respuesta (máximo)5.52sTiempo de respuesta (total)10.21sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.2Puntaje promedio en todas las pruebas de benchmark.…
7.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
88.9%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
1Pruebas 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)31.79sTiempo de respuesta (máximo)50.78sTiempo de respuesta (total)95.38sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
31.79sTiempo de respuesta (promedio)…
903Total de tokens de entrada…
527Tokens de salida…
5,667Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
5.8Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
33.3%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)10.51sTiempo de respuesta (máximo)14.31sTiempo de respuesta (total)31.52sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
10.0Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
100.0%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)88.68sTiempo de respuesta (máximo)88.68sTiempo de respuesta (total)88.68sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
88.68sTiempo de respuesta (promedio)…
9,585Total de tokens de entrada…
222Tokens de salida…
5,235Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
10.0Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
100.0%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)7.53sTiempo de respuesta (máximo)7.53sTiempo de respuesta (total)7.53sUna 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: 1Tiempo de respuesta (promedio)56.76sTiempo de respuesta (máximo)56.76sTiempo de respuesta (total)56.76sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
56.76sTiempo de respuesta (promedio)…
276Total de tokens de entrada…
50Tokens de salida…
1,779Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · 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: 1Tiempo de respuesta (promedio)25.28sTiempo de respuesta (máximo)25.28sTiempo de respuesta (total)25.28sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…