Microsoft-Decision-1 (default) vs GPT-6 Luna Decisions (default)
GPT-6 Luna Decisions (default) lidera en puntuación media con 2.4 vs 1.4. Microsoft-Decision-1 (default) tiene menor coste de benchmark con $0.002 vs $0.005. GPT-6 Luna Decisions (default) es más rápido con 495ms vs 982ms, con tasas de acierto de 7.3% vs 13.0%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-10-12
Modelos comparados
Rango
#408
Total de tokens de salida
69
Tiempo de respuesta (promedio)
982ms
Costo total
$0.002
Rango
#400
Total de tokens de salida
0
Tiempo de respuesta (promedio)
495ms
Costo total
$0.005
Modelo recomendadoGPT-6 Luna Decisions (default)
Tiene la mejor puntuación aquí (2.4) y responde aproximadamente 2.0x más rápido que Microsoft-Decision-1 (default).
Comparación detallada
Métrica
Microsoft-Decision-1Microsoft-Decision-1default36/69 intentos. Los adaptadores proporcionan las opciones. Admite 12/23 pruebas. Las demás no son compatibles; no cuentan como fallos. La puntuación usa la batería completa.Lanzamiento: 2026-10-12
GPT-6 Luna DecisionsGPT-6 Luna Decisionsdefault36/69 intentos. Los adaptadores proporcionan las opciones. Admite 12/23 pruebas. Las demás no son compatibles; no cuentan como fallos. La puntuación usa la batería completa.Lanzamiento: 2026-10-07
Métrica
Microsoft-Decision-1Microsoft-Decision-1default36/69 intentos. Los adaptadores proporcionan las opciones. Admite 12/23 pruebas. Las demás no son compatibles; no cuentan como fallos. La puntuación usa la batería completa.Lanzamiento: 2026-10-12
GPT-6 Luna DecisionsGPT-6 Luna Decisionsdefault36/69 intentos. Los adaptadores proporcionan las opciones. Admite 12/23 pruebas. Las demás no son compatibles; no cuentan como fallos. La puntuación usa la batería completa.Lanzamiento: 2026-10-07
Puntuación
1.4Puntaje promedio en todas las pruebas de benchmark.…
2.4Puntaje promedio en todas las pruebas de benchmark.…
Rango
#408
#400
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
4.9La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
5.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
Intentos
36/69
36/69
Pruebas correctas
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 11Tiempo de respuesta (promedio)982msTiempo de respuesta (máximo)1.41sTiempo de respuesta (total)11.78sUna 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: 8No siguió las instrucciones: 1Tiempo de respuesta (promedio)495msTiempo de respuesta (máximo)842msTiempo de respuesta (total)5.94sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
7.3%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
13.0%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).…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Ejecuciones totales
36Ejecuciones totales…
36Ejecuciones totales…
Costo por resultado
0.175
0.159
Costo total
$0.002
$0.005
Precio de entrada
$0.042 / 1MPrecio de entrada…
$0.100 / 1MPrecio de entrada…
Precio de salida
$0.000 / 1MPrecio de salida…
$0.000 / 1MPrecio de salida…
Precio de lectura de caché
N/DPrecio de lectura de caché…
$0.000 / 1MPrecio de lectura de caché…
Precio de escritura de caché
N/DPrecio de escritura de caché…
$0.000 / 1MPrecio de escritura de caché…
Total de tokens de entrada
41,466Total de tokens de entrada…
47,583Total de tokens de entrada…
Tokens de salida
69Tokens de salida…
0Tokens de salida…
Tokens de razonamiento
0Tokens de razonamiento…
0Tokens de razonamiento…
Tiempo de respuesta (promedio)
982msTiempo de respuesta (promedio)…
495msTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
1.41sTiempo de respuesta (máximo)…
842msTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
11.78sTiempo de respuesta (total)…
5.94sTiempo de respuesta (total)…
Parámetros
~9B
~400B en total (~17B 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.
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La 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 hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La 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 hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.4Puntaje promedio en todas las pruebas de benchmark.…
5.4La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
41.7%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: 2Tiempo de respuesta (promedio)992msTiempo de respuesta (máximo)1.41sTiempo de respuesta (total)2.98sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.3Puntaje promedio en todas las pruebas de benchmark.…
7.5La 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: 3Tiempo de respuesta (promedio)436msTiempo de respuesta (máximo)476msTiempo de respuesta (total)1.31sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.2Puntaje promedio en todas las pruebas de benchmark.…
6.7La 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: 2Tiempo de respuesta (promedio)857msTiempo de respuesta (máximo)898msTiempo de respuesta (total)1.71sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.5Puntaje promedio en todas las pruebas de benchmark.…
6.7La 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: 2Tiempo de respuesta (promedio)447msTiempo de respuesta (máximo)454msTiempo de respuesta (total)894msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La 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 hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La 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 hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna 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: 2Tiempo de respuesta (promedio)1.16sTiempo de respuesta (máximo)1.21sTiempo de respuesta (total)2.33sUna 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)411msTiempo de respuesta (máximo)431msTiempo de respuesta (total)822msUna 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: 3Tiempo de respuesta (promedio)1.03sTiempo de respuesta (máximo)1.10sTiempo de respuesta (total)3.10sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
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)554msTiempo de respuesta (máximo)683msTiempo de respuesta (total)1.66sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La 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 hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La 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 hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
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)997msTiempo de respuesta (máximo)997msTiempo de respuesta (total)997msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
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)842msTiempo de respuesta (máximo)842msTiempo de respuesta (total)842msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.7Puntaje promedio en todas las pruebas de benchmark.…
3.3La 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)669msTiempo de respuesta (máximo)669msTiempo de respuesta (total)669msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.7Puntaje promedio en todas las pruebas de benchmark.…
3.3La 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)414msTiempo de respuesta (máximo)414msTiempo de respuesta (total)414msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La 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 hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La 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 hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La 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 hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0.0Puntaje promedio en todas las pruebas de benchmark.…
0.0La 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 hay respuestas fallidas.Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…