Gemini 3 Flash Preview (medium) vs Owl Alpha (medium)
Gemini 3 Flash Preview (medium) lidera en puntuación media con 9.5 vs 5.6. Owl Alpha (medium) tiene menor coste de benchmark con $0.000 vs $0.763. Owl Alpha (medium) es más rápido con 11.95s vs 19.86s, con tasas de acierto de 93.9% vs 37.9%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-08-20
Rango
#5
Total de tokens de salida
239,608
Tiempo de respuesta (promedio)
19.86s
Costo total
$0.763
Rango
#208
Total de tokens de salida
2,974
Tiempo de respuesta (promedio)
11.95s
Costo total
$0.000
Modelo recomendadoGemini 3 Flash Preview (medium)
Tiene la puntuación más alta en esta comparación (9.5) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.
Owl AlphaOwl AlphamediumModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.Lanzamiento: 2026-04-30
Puntuación
9.5Puntaje promedio en todas las pruebas de benchmark.…
5.6Puntaje promedio en todas las pruebas de benchmark.…
Rango
#5
#208
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
9.7La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
9.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
Intentos
66/66
63/66
Pruebas correctas
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 2Tiempo de respuesta (promedio)19.86sTiempo de respuesta (máximo)117.26sTiempo de respuesta (total)436.88sUna 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: 10No siguió las instrucciones: 2Error de API: 1Tiempo de respuesta (promedio)11.95sTiempo de respuesta (máximo)58.63sTiempo de respuesta (total)250.88sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
93.9%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
37.9%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
1Pruebas 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
66Ejecuciones totales…
63Ejecuciones totales…
Costo por resultado
3.814
0.000
Costo total
$0.763
$0.000
Precio de entrada
$0.500 / 1MPrecio de entrada…
$0.000 / 1MPrecio de entrada…
Precio de salida
$3.000 / 1MPrecio de salida…
$0.000 / 1MPrecio de salida…
Total de tokens de entrada
87,870Total de tokens de entrada…
43,478Total de tokens de entrada…
Tokens de salida
5,486Tokens de salida…
2,974Tokens de salida…
Tokens de razonamiento
234,122Tokens de razonamiento…
0Tokens de razonamiento…
Tiempo de respuesta (promedio)
19.86sTiempo de respuesta (promedio)…
11.95sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
117.26sTiempo de respuesta (máximo)…
58.63sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
436.88sTiempo de respuesta (total)…
250.88sTiempo de respuesta (total)…
Parámetros
~500B en total (~20B activos)
1.6T en total (48B activos)
Disponibilidad
Código cerrado
Código abierto
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)3.88sTiempo de respuesta (máximo)5.73sTiempo de respuesta (total)15.53sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.88sTiempo de respuesta (promedio)…
494Total de tokens de entrada…
330Tokens de salida…
3,216Tokens de razonamiento…
Owl AlphaModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
4.8Puntaje promedio en todas las pruebas de benchmark.…
10.0La 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: 3Tiempo de respuesta (promedio)3.97sTiempo de respuesta (máximo)7.48sTiempo de respuesta (total)15.89sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.6Puntaje promedio en todas las pruebas de benchmark.…
7.6La 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)84.40sTiempo de respuesta (máximo)117.26sTiempo de respuesta (total)253.21sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
84.40sTiempo de respuesta (promedio)…
8,122Total de tokens de entrada…
462Tokens de salida…
161,084Tokens de razonamiento…
Owl AlphaModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
5.4Puntaje 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.Error de API: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)18.74sTiempo de respuesta (máximo)30.81sTiempo de respuesta (total)56.21sUna 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)26.75sTiempo de respuesta (máximo)31.07sTiempo de respuesta (total)53.49sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
26.75sTiempo de respuesta (promedio)…
63,717Total de tokens de entrada…
3,831Tokens de salida…
23,496Tokens de razonamiento…
Owl AlphaModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)10.01sTiempo de respuesta (máximo)10.01sTiempo de respuesta (total)10.01sUna 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)5.43sTiempo de respuesta (máximo)6.18sTiempo de respuesta (total)10.86sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.43sTiempo de respuesta (promedio)…
7,548Total de tokens de entrada…
279Tokens de salida…
4,893Tokens de razonamiento…
Owl AlphaModelo 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)21.64sTiempo de respuesta (máximo)29.16sTiempo de respuesta (total)43.28sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
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)20.09sTiempo de respuesta (máximo)34.09sTiempo de respuesta (total)60.27sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
20.09sTiempo de respuesta (promedio)…
642Total de tokens de entrada…
12Tokens de salida…
28,642Tokens de razonamiento…
Owl AlphaModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
5.3Puntaje 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)8.58sTiempo de respuesta (máximo)9.48sTiempo de respuesta (total)25.74sUna 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)5.19sTiempo de respuesta (máximo)5.19sTiempo de respuesta (total)5.19sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.19sTiempo de respuesta (promedio)…
486Total de tokens de entrada…
72Tokens de salida…
1,905Tokens de razonamiento…
Owl AlphaModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
4.3Puntaje 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)58.63sTiempo de respuesta (máximo)58.63sTiempo de respuesta (total)58.63sUna 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)4.04sTiempo de respuesta (máximo)4.70sTiempo de respuesta (total)8.08sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.04sTiempo de respuesta (promedio)…
615Total de tokens de entrada…
72Tokens de salida…
2,709Tokens de razonamiento…
Owl AlphaModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)10.15sTiempo de respuesta (máximo)15.94sTiempo de respuesta (total)20.30sUna 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)4.05sTiempo de respuesta (máximo)5.64sTiempo de respuesta (total)12.15sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.05sTiempo de respuesta (promedio)…
558Total de tokens de entrada…
183Tokens de salida…
4,365Tokens de razonamiento…
Owl AlphaModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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.No siguió las instrucciones: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.40sTiempo de respuesta (máximo)4.60sTiempo de respuesta (total)10.19sUna 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)12.60sTiempo de respuesta (máximo)12.60sTiempo de respuesta (total)12.60sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
12.60sTiempo de respuesta (promedio)…
5,532Total de tokens de entrada…
234Tokens de salida…
1,487Tokens de razonamiento…
Owl AlphaModelo 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)8.26sTiempo de respuesta (máximo)8.26sTiempo de respuesta (total)8.26sUna 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)5.50sTiempo de respuesta (máximo)5.50sTiempo de respuesta (total)5.50sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.50sTiempo de respuesta (promedio)…
156Total de tokens de entrada…
11Tokens de salida…
2,325Tokens de razonamiento…
Owl AlphaModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)2.38sTiempo de respuesta (máximo)2.38sTiempo de respuesta (total)2.38sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…