Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Modelos comparados

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-21

Métrica MiniMax M2.7 MiniMax M2.7 medium Lanzamiento: 2026-03-18 Kimi K2.5 Kimi K2.5 medium Lanzamiento: 2026-01-27 GLM 5 GLM 5 medium Lanzamiento: 2026-02-12 Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium Lanzamiento: 2026-03-03
Puntuación 5.0 7.2 8.3 8.1
Rango #68 #35 #11 #14
Consistencia 5.3 7.2 8.1 10.0
Pruebas correctas
Tasa de aciertos por intento 49.0% 72.6% 84.3% 70.6%
Pruebas inestables 10 6 4 0
Ejecuciones totales 51 51 51 51
Costo por resultado 2.398 2.232 0.896 0.413
Costo total $0.072 $0.201 $0.108 $0.050
Precio de entrada $0.300 / 1M $0.450 / 1M $0.720 / 1M $0.250 / 1M
Precio de salida $1.200 / 1M $2.200 / 1M $2.300 / 1M $1.500 / 1M
Tokens de salida 4,517 40,907 19,833 1,737
Tokens de razonamiento 47,612 75,121 38,523 26,346
Tiempo de respuesta (promedio) 27.32s 64.59s 17.15s 3.70s
Tiempo de respuesta (máximo) 117.04s 137.29s 28.96s 14.93s
Tiempo de respuesta (total) 437.10s 645.93s 154.32s 62.97s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

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
MiniMax M2.7 7.9 6.3 83.3% 2 40.32s 3,010 17,716
Kimi K2.5 7.3 5.8 83.3% 2 51.38s 2,789 8,880
GLM 5 10.0 10.0 100.0% 0 23.66s 480 7,056
Gemini 3.1 Flash Lite Preview 9.1 10.0 75.0% 0 2.33s 570 4,305
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
MiniMax M2.7 4.7 1.6 66.7% 1 41.03s 369 4,480
Kimi K2.5 10.0 10.0 100.0% 0 71.37s 703 3,713
GLM 5 10.0 10.0 100.0% 0 28.96s 662 3,242
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 14.93s 327 7,347
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
MiniMax M2.7 6.3 5.8 66.7% 1 21.95s 187 5,882
Kimi K2.5 10.0 10.0 100.0% 0 49.78s 563 7,940
GLM 5 7.1 5.6 83.3% 1 8.90s 567 3,734
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 2.29s 279 2,952
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
MiniMax M2.7 3.0 10.0 0.0% 0 19.00s 8 2,796
Kimi K2.5 3.5 4.4 33.3% 2 137.29s 20,753 30,564
GLM 5 3.5 4.4 33.3% 2 0ms 13,176 14,137
Gemini 3.1 Flash Lite Preview 3.0 10.0 0.0% 0 4.21s 18 5,325
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
MiniMax M2.7 3.9 2.5 33.3% 1 38.70s 92 5,204
Kimi K2.5 6.5 3.4 66.7% 1 69.73s 3,815 4,262
GLM 5 6.1 3.1 66.7% 1 14.69s 2,020 2,248
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 3.16s 96 1,488
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
MiniMax M2.7 3.7 1.8 50.0% 2 12.64s 213 2,457
Kimi K2.5 10.0 10.0 100.0% 0 92.47s 5,371 6,547
GLM 5 10.0 10.0 100.0% 0 7.25s 1,001 2,129
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 1.91s 72 2,121
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
MiniMax M2.7 3.8 4.5 33.3% 2 25.62s 334 8,076
Kimi K2.5 5.3 7.3 44.4% 1 45.40s 6,671 12,403
GLM 5 10.0 10.0 100.0% 0 15.64s 1,694 4,983
Gemini 3.1 Flash Lite Preview 7.7 10.0 66.7% 0 3.58s 141 1,896
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
MiniMax M2.7 4.7 1.6 66.7% 1 12.05s 304 1,001
Kimi K2.5 10.0 10.0 100.0% 0 31.74s 242 812
GLM 5 10.0 10.0 100.0% 0 15.93s 233 994
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 3.80s 234 912

Comparación rápida

Cambiar par de comparación

MiniMax M2.7mediumvsQwen3 Coder NextnoneMiniMax M2.7mediumvsGPT-4o-mininoneClaude Sonnet 4.6nonevsKimi K2.5mediumMercury 2nonevsMiniMax M2.7mediumMiniMax M2.7mediumvsGPT-5.4 MininoneMiniMax M2.7mediumvsNemotron 3 SupernoneDisponible gratisMiniMax M2.7mediumvsQwen3.5-9BnoneMiniMax M2.7mediumvsMistral Small 4noneGemini 3.1 Flash Lite PreviewlowvsGLM 5mediumGemini 3 Flash PreviewnonevsGLM 5mediumTrinity Large PreviewnoneDisponible gratisvsMiniMax M2.7mediumGemini 3.1 Flash Lite PreviewmediumvsGPT-5.2 Chatnone