GPT-6 Astra (xhigh) lidera en puntuación media con 9.9 vs 9.8. Gemini 3.7 Flash (high) tiene menor coste de benchmark con $0.528 vs $6.213. Gemini 3.7 Flash (high) es más rápido con 15.10s vs 29.67s, con tasas de acierto de 95.7% vs 97.1%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-10-19
Modelos comparados
Rango
#9
Total de tokens de salida
180,100
Tiempo de respuesta (promedio)
15.10s
Costo total
$0.528
Rango
#8
Total de tokens de salida
90,095
Tiempo de respuesta (promedio)
29.67s
Costo total
$6.213
Modelo recomendadoGemini 3.7 Flash (high)
Su puntuación se mantiene cerca de la mejor aquí (9.8 vs 9.9) y cuesta aproximadamente 11.8x menos que GPT-6 Astra (xhigh).
GPT-6 AstraGPT-6 AstraxhighModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.Lanzamiento: 2026-09-04
Puntuación
9.8Puntaje promedio en todas las pruebas de benchmark.…
9.9Puntaje promedio en todas las pruebas de benchmark.…
Rango
#9
#8
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.…
9.9Puntuación 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
9.3La 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: 2Tiempo de respuesta (promedio)15.10sTiempo de respuesta (máximo)91.63sTiempo de respuesta (total)347.23sUna 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: 1Tiempo de respuesta (promedio)29.67sTiempo de respuesta (máximo)381.11sTiempo de respuesta (total)682.42sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
95.7%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
97.1%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
2Pruebas 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
2.513
28.237
Costo total
$0.528
$6.213
Precio de entrada
$0.750 / 1MPrecio de entrada…
$10.000 / 1MPrecio de entrada…
Precio de salida
$3.750 / 1MPrecio de salida…
$50.000 / 1MPrecio de salida…
Precio de lectura de caché
$0.075 / 1MPrecio de lectura de caché…
$1.000 / 1MPrecio de lectura de caché…
Precio de escritura de caché
$0.042 / 1MPrecio de escritura de caché…
$12.500 / 1MPrecio de escritura de caché…
Total de tokens de entrada
233,400Total de tokens de entrada…
170,731Total de tokens de entrada…
Tokens de salida
6,922Tokens de salida…
5,865Tokens de salida…
Tokens de razonamiento
173,178Tokens de razonamiento…
84,230Tokens de razonamiento…
Tiempo de respuesta (promedio)
15.10sTiempo de respuesta (promedio)…
29.67sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
91.63sTiempo de respuesta (máximo)…
381.11sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
347.23sTiempo de respuesta (total)…
682.42sTiempo de respuesta (total)…
Parámetros
~500B en total (~20B activos)
~2T en total (~150B activos)
Disponibilidad
Código cerrado
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.
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)78.46sTiempo de respuesta (máximo)78.46sTiempo de respuesta (total)78.46sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
78.46sTiempo de respuesta (promedio)…
146,688Total de tokens de entrada…
905Tokens de salida…
24,349Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)56.73sTiempo de respuesta (máximo)56.73sTiempo de respuesta (total)56.73sUna 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)2.60sTiempo de respuesta (máximo)3.06sTiempo de respuesta (total)10.38sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.60sTiempo de respuesta (promedio)…
492Total de tokens de entrada…
168Tokens de salida…
4,018Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)3.71sTiempo de respuesta (máximo)5.18sTiempo de respuesta (total)14.85sUna 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)13.55sTiempo de respuesta (máximo)19.76sTiempo de respuesta (total)40.66sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
13.55sTiempo de respuesta (promedio)…
8,118Total de tokens de entrada…
460Tokens de salida…
26,859Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)8.27sTiempo de respuesta (máximo)11.08sTiempo de respuesta (total)24.81sUna 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)57.19sTiempo de respuesta (máximo)91.63sTiempo de respuesta (total)114.37sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
57.19sTiempo de respuesta (promedio)…
62,640Total de tokens de entrada…
4,544Tokens de salida…
68,861Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)41.20sTiempo de respuesta (máximo)63.24sTiempo de respuesta (total)82.41sUna 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)5.94sTiempo de respuesta (máximo)6.31sTiempo de respuesta (total)11.87sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.94sTiempo de respuesta (promedio)…
7,548Total de tokens de entrada…
279Tokens de salida…
6,615Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)3.34sTiempo de respuesta (máximo)3.64sTiempo de respuesta (total)6.69sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.8Puntaje 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.Respuesta incorrecta: 2Tiempo de respuesta (promedio)16.77sTiempo de respuesta (máximo)23.97sTiempo de respuesta (total)50.31sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
16.77sTiempo de respuesta (promedio)…
642Total de tokens de entrada…
12Tokens de salida…
24,707Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
7.6Puntaje promedio en todas las pruebas de benchmark.…
7.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
77.8%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)146.97sTiempo de respuesta (máximo)381.11sTiempo de respuesta (total)440.90sUna 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)3.48sTiempo de respuesta (máximo)3.48sTiempo de respuesta (total)3.48sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.48sTiempo de respuesta (promedio)…
486Total de tokens de entrada…
82Tokens de salida…
1,331Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)7.68sTiempo de respuesta (máximo)7.68sTiempo de respuesta (total)7.68sUna 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)3.77sTiempo de respuesta (máximo)4.34sTiempo de respuesta (total)7.54sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.77sTiempo de respuesta (promedio)…
615Total de tokens de entrada…
72Tokens de salida…
3,369Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)4.91sTiempo de respuesta (máximo)5.08sTiempo de respuesta (total)9.82sUna 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)2.76sTiempo de respuesta (máximo)3.02sTiempo de respuesta (total)8.29sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.76sTiempo de respuesta (promedio)…
558Total de tokens de entrada…
152Tokens de salida…
3,103Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)4.48sTiempo de respuesta (máximo)5.60sTiempo de respuesta (total)13.44sUna 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)16.27sTiempo de respuesta (máximo)16.27sTiempo de respuesta (total)16.27sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
16.27sTiempo de respuesta (promedio)…
5,457Total de tokens de entrada…
236Tokens de salida…
7,440Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)11.04sTiempo de respuesta (máximo)11.04sTiempo de respuesta (total)11.04sUna 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)5.60sTiempo de respuesta (máximo)5.60sTiempo de respuesta (total)5.60sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.60sTiempo de respuesta (promedio)…
156Total de tokens de entrada…
12Tokens de salida…
2,526Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)14.06sTiempo de respuesta (máximo)14.06sTiempo de respuesta (total)14.06sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…