7.3Puntaje promedio en todas las pruebas de benchmark.…
6.2Puntaje promedio en todas las pruebas de benchmark.…
Consistencia
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
7.9La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
Costo por resultado
0.177Muestra el costo promedio por respuesta correcta del benchmark en centavos (menor es mejor).…
0.563Muestra el costo promedio por respuesta correcta del benchmark en centavos (menor es mejor).…
Costo total
$0.020Costo total…
$0.051Costo total…
Pruebas correctas
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4No siguió las instrucciones: 1Tiempo de respuesta (promedio)3.36sTiempo de respuesta (máximo)11.91sTiempo de respuesta (total)53.84sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 3Respuesta incorrecta: 2Sin respuesta: 1Tiempo agotado: 1Tiempo de respuesta (promedio)26.35sTiempo de respuesta (máximo)121.79sTiempo de respuesta (total)237.11sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
68.8%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
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
4Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
common.totalRuns
48 (16 x 3)common.totalRuns…
48 (16 x 3)common.totalRuns…
Tokens de salida
1,611Tokens de salida…
1,183Tokens de salida…
Tokens de razonamiento
7,272Tokens de razonamiento…
83,875Tokens de razonamiento…
Tiempo de respuesta (promedio)
3.36sTiempo de respuesta (promedio)…
26.35sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
11.91sTiempo de respuesta (máximo)…
121.79sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
53.84sTiempo de respuesta (total)…
237.11sTiempo de respuesta (total)…
Mejores modelos por puntuación
Puntuación vs costo total
Tiempo de respuesta (promedio)
Puntaje prom. vs Tiempo de respuesta (promedio)
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
Google: Gemini 3.1 Flash Lite Preview
7.0Puntaje 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)2.18sTiempo de respuesta (máximo)3.18sTiempo de respuesta (total)6.53sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.18sTiempo de respuesta (promedio)…
456Tokens de salida…
1,224Tokens de razonamiento…
xAI: Grok 4.1 Fast
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)5.65sTiempo de respuesta (máximo)5.65sTiempo de respuesta (total)5.65sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.65sTiempo de respuesta (promedio)…
102Tokens de salida…
4,021Tokens de razonamiento…
Combinado
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
Google: Gemini 3.1 Flash Lite Preview
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).…
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)11.91sTiempo de respuesta (máximo)11.91sTiempo de respuesta (total)11.91sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
11.91sTiempo de respuesta (promedio)…
225Tokens de salida…
762Tokens de razonamiento…
xAI: Grok 4.1 Fast
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)37.64sTiempo de respuesta (máximo)37.64sTiempo de respuesta (total)37.64sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
37.64sTiempo de respuesta (promedio)…
261Tokens de salida…
12,272Tokens de razonamiento…
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
Google: Gemini 3.1 Flash Lite Preview
9.9Puntaje 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)3.00sTiempo de respuesta (máximo)3.74sTiempo de respuesta (total)5.99sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.00sTiempo de respuesta (promedio)…
291Tokens de salida…
696Tokens de razonamiento…
xAI: Grok 4.1 Fast
9.9Puntaje 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)6.63sTiempo de respuesta (máximo)6.63sTiempo de respuesta (total)6.63sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.63sTiempo de respuesta (promedio)…
180Tokens de salida…
5,409Tokens de razonamiento…
Específico del dominio
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
Google: Gemini 3.1 Flash Lite Preview
4.0Puntaje 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.Respuesta incorrecta: 2Tiempo de respuesta (promedio)2.36sTiempo de respuesta (máximo)3.51sTiempo de respuesta (total)7.07sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.36sTiempo de respuesta (promedio)…
18Tokens de salida…
1,212Tokens de razonamiento…
xAI: Grok 4.1 Fast
4.0Puntaje promedio en todas las pruebas de benchmark.…
4.4La 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.…
2Pruebas 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)121.79sTiempo de respuesta (máximo)121.79sTiempo de respuesta (total)121.79sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
121.79sTiempo de respuesta (promedio)…
11Tokens de salida…
37,657Tokens de razonamiento…
Inteligencia general
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
Google: Gemini 3.1 Flash Lite Preview
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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)1.54sTiempo de respuesta (máximo)1.54sTiempo de respuesta (total)1.54sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.54sTiempo de respuesta (promedio)…
69Tokens de salida…
384Tokens de razonamiento…
xAI: Grok 4.1 Fast
3.0Puntaje promedio en todas las pruebas de benchmark.…
9.9La 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)16.25sTiempo de respuesta (máximo)16.25sTiempo de respuesta (total)16.25sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
16.25sTiempo de respuesta (promedio)…
127Tokens de salida…
3,456Tokens de razonamiento…
Seguimiento de instrucciones
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
Google: Gemini 3.1 Flash Lite Preview
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)1.49sTiempo de respuesta (máximo)1.66sTiempo de respuesta (total)2.99sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.49sTiempo de respuesta (promedio)…
72Tokens de salida…
753Tokens de razonamiento…
xAI: Grok 4.1 Fast
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).…
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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)5.30sTiempo de respuesta (máximo)5.30sTiempo de respuesta (total)5.30sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.30sTiempo de respuesta (promedio)…
55Tokens de salida…
3,489Tokens de razonamiento…
Puzzle Solving
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
Google: Gemini 3.1 Flash Lite Preview
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)2.76sTiempo de respuesta (máximo)5.08sTiempo de respuesta (total)8.27sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.76sTiempo de respuesta (promedio)…
243Tokens de salida…
1,248Tokens de razonamiento…
xAI: Grok 4.1 Fast
4.0Puntaje 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.No siguió las instrucciones: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)8.08sTiempo de respuesta (máximo)8.38sTiempo de respuesta (total)16.17sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.08sTiempo de respuesta (promedio)…
187Tokens de salida…
6,086Tokens de razonamiento…
Llamada de herramientas
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
Google: Gemini 3.1 Flash Lite Preview
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)9.54sTiempo de respuesta (máximo)9.54sTiempo de respuesta (total)9.54sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
9.54sTiempo de respuesta (promedio)…
237Tokens de salida…
993Tokens de razonamiento…
xAI: Grok 4.1 Fast
10.0Puntaje promedio en todas las pruebas de benchmark.…
1.6La 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.Sin respuesta: 1Tiempo de respuesta (promedio)27.71sTiempo de respuesta (máximo)27.71sTiempo de respuesta (total)27.71sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…