Qwen3.8 27B (high) lidera en puntuación media con 8.4 vs 8.3. No se midió el coste del hardware local, por lo que no hay comparaciones de coste disponibles. Muse Spark 1.1 (low) es más rápido con 11.89s vs 167.89s, con tasas de acierto de 71.2% vs 77.3%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-08-15
Rango
#45
Total de tokens de salida
116,489
Tiempo de respuesta (promedio)
11.89s
Costo total
$0.673
Rango
#42
Total de tokens de salida
656,635
Tiempo de respuesta (promedio)
167.89s
Costo total
N/D
Modelo recomendadoMuse Spark 1.1 (low)
Su puntuación se mantiene cerca de la mejor aquí (8.3 vs 8.4) y responde aproximadamente 14.1x más rápido que Qwen3.8 27B (high).
Qwen3.8 27BQwen3.8 27BhighLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.Lanzamiento: 2026-08-14
Qwen3.8 27BQwen3.8 27BhighLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.Lanzamiento: 2026-08-14
Puntuación
8.3Puntaje promedio en todas las pruebas de benchmark.…
8.4Puntaje promedio en todas las pruebas de benchmark.…
Rango
#45
#42
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.…
9.6Puntuación 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
8.5La 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).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 2Sin respuesta: 2Respuesta incorrecta: 2Tiempo de respuesta (promedio)167.89sTiempo de respuesta (máximo)640.85sTiempo de respuesta (total)3693.54sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
71.2%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
77.3%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
4Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
2Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Ejecuciones totales
66Ejecuciones totales…
66Ejecuciones totales…
Costo por resultado
5.173Muestra el costo promedio por respuesta correcta del benchmark en centavos (menor es mejor).…
N/DMuestra el costo promedio por respuesta correcta del benchmark en centavos (menor es mejor).…
Costo total
$0.673Costo total (precio actual)…
N/DCosto total (precio actual)…
Precio de entrada
$1.250 / 1MPrecio de entrada…
N/DPrecio de entrada…
Precio de salida
$4.250 / 1MPrecio de salida…
N/DPrecio de salida…
Total de tokens de entrada
141,878Total de tokens de entrada…
100,179Total de tokens de entrada…
Tokens de salida
11,033Tokens de salida…
904Tokens de salida…
Tokens de razonamiento
105,456Tokens de razonamiento…
655,731Tokens de razonamiento…
Tiempo de respuesta (promedio)
11.89sTiempo de respuesta (promedio)…
167.89sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
54.15sTiempo de respuesta (máximo)…
640.85sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
261.69sTiempo de respuesta (total)…
3693.54sTiempo de respuesta (total)…
Parámetros
~1T en total (~50B activos)
27.3B
Disponibilidad
Código cerrado
Pesos disponibles
Generación showcase de modelos
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#45 Muse Spark 1.1
low
Coste
$0.020
Tiempo
39.2s
Tokens
4,947 tok
#42 Qwen3.8 27B
highLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
7.9Puntaje promedio en todas las pruebas de benchmark.…
6.3La 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.…
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)4.36sTiempo de respuesta (máximo)8.92sTiempo de respuesta (total)17.45sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.36sTiempo de respuesta (promedio)…
2,334Total de tokens de entrada…
621Tokens de salida…
6,040Tokens de razonamiento…
Qwen3.8 27BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
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)8.10sTiempo de respuesta (máximo)21.48sTiempo de respuesta (total)32.40sUna 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)10.34sTiempo de respuesta (máximo)12.60sTiempo de respuesta (total)31.02sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
10.34sTiempo de respuesta (promedio)…
8,562Total de tokens de entrada…
394Tokens de salida…
14,503Tokens de razonamiento…
Qwen3.8 27BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
8.1Puntaje promedio en todas las pruebas de benchmark.…
7.0La 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)248.62sTiempo de respuesta (máximo)458.25sTiempo de respuesta (total)745.85sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.6Puntaje promedio en todas las pruebas de benchmark.…
9.1La 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.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)29.45sTiempo de respuesta (máximo)39.63sTiempo de respuesta (total)58.89sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
29.45sTiempo de respuesta (promedio)…
103,652Total de tokens de entrada…
8,010Tokens de salida…
17,369Tokens de razonamiento…
Qwen3.8 27BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
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)185.57sTiempo de respuesta (máximo)333.21sTiempo de respuesta (total)371.15sUna 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)3.22sTiempo de respuesta (máximo)3.93sTiempo de respuesta (total)6.45sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.22sTiempo de respuesta (promedio)…
7,827Total de tokens de entrada…
240Tokens de salida…
2,074Tokens de razonamiento…
Qwen3.8 27BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
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)34.85sTiempo de respuesta (máximo)57.71sTiempo de respuesta (total)69.71sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.6Puntaje promedio en todas las pruebas de benchmark.…
7.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
22.2%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: 2No siguió las instrucciones: 1Tiempo de respuesta (promedio)32.99sTiempo de respuesta (máximo)54.15sTiempo de respuesta (total)98.96sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
32.99sTiempo de respuesta (promedio)…
1,596Total de tokens de entrada…
421Tokens de salida…
48,038Tokens de razonamiento…
Qwen3.8 27BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
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.Sin respuesta: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)526.74sTiempo de respuesta (máximo)640.85sTiempo de respuesta (total)1580.21sUna 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)4.12sTiempo de respuesta (máximo)4.12sTiempo de respuesta (total)4.12sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.12sTiempo de respuesta (promedio)…
906Total de tokens de entrada…
131Tokens de salida…
1,125Tokens de razonamiento…
Qwen3.8 27BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
5.0Puntaje 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)8.45sTiempo de respuesta (máximo)8.45sTiempo de respuesta (total)8.45sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.3Puntaje promedio en todas las pruebas de benchmark.…
6.0La 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)5.42sTiempo de respuesta (máximo)6.23sTiempo de respuesta (total)10.85sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.42sTiempo de respuesta (promedio)…
1,527Total de tokens de entrada…
252Tokens de salida…
4,246Tokens de razonamiento…
Qwen3.8 27BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
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)8.24sTiempo de respuesta (máximo)10.18sTiempo de respuesta (total)16.49sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.3Puntaje 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)6.60sTiempo de respuesta (máximo)11.77sTiempo de respuesta (total)19.81sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.60sTiempo de respuesta (promedio)…
1,938Total de tokens de entrada…
391Tokens de salida…
7,503Tokens de razonamiento…
Qwen3.8 27BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
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.Sin respuesta: 1Tiempo de respuesta (promedio)199.90sTiempo de respuesta (máximo)569.33sTiempo de respuesta (total)599.69sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
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)5.98sTiempo de respuesta (máximo)5.98sTiempo de respuesta (total)5.98sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.98sTiempo de respuesta (promedio)…
12,924Total de tokens de entrada…
533Tokens de salida…
1,012Tokens de razonamiento…
Qwen3.8 27BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
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)5.62sTiempo de respuesta (máximo)5.62sTiempo de respuesta (total)5.62sUna 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)8.17sTiempo de respuesta (máximo)8.17sTiempo de respuesta (total)8.17sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.17sTiempo de respuesta (promedio)…
612Total de tokens de entrada…
40Tokens de salida…
3,546Tokens de razonamiento…
Qwen3.8 27BLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar.
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)263.98sTiempo de respuesta (máximo)263.98sTiempo de respuesta (total)263.98sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…