Navegación
AI BENCHY
Comparar Gráficos
❤️ Made by XCS
Your ad here

AI BENCHY Compare

Modelos comparados

Comparar:

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

Métrica OpenAI: GPT-5.2 Chat none Lanzamiento: 2025-12-11 OpenAI: GPT-5.3 Chat none Lanzamiento: 2026-03-03 Google: Gemini 3.1 Flash Lite Preview low Lanzamiento: 2026-03-03
Rango #12 #14 #8
Puntaje prom. 7.41 7.27 7.84
Consistencia 9.45 8.26 10.00
Costo por resultado 2.261 2.835 0.151
Costo total $0.227 $0.256 $0.016
Pruebas correctas
Tasa de aciertos por intento 73.8% 73.8% 71.4%
Pruebas inestables 1 3 0
Tokens de salida 14,267 16,339 1,317
Tokens de razonamiento 0 0 6,126

Mejores modelos por puntuación

Puntuación vs costo total

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.2 Chat 10.00 10.00 100.0% 0 1,651 0
OpenAI: GPT-5.3 Chat 7.33 7.49 77.8% 1 3,091 0
Google: Gemini 3.1 Flash Lite Preview 7.00 10.00 66.7% 0 456 1,224
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.2 Chat 9.88 10.00 100.0% 0 980 0
OpenAI: GPT-5.3 Chat 9.88 10.00 100.0% 0 942 0
Google: Gemini 3.1 Flash Lite Preview 9.88 10.00 100.0% 0 291 696
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.2 Chat 4.00 10.00 33.3% 0 7,810 0
OpenAI: GPT-5.3 Chat 1.00 4.41 33.3% 2 8,264 0
Google: Gemini 3.1 Flash Lite Preview 4.00 10.00 33.3% 0 18 1,212
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.2 Chat 5.50 6.13 66.7% 1 1,528 0
OpenAI: GPT-5.3 Chat 8.50 9.99 50.0% 0 1,455 0
Google: Gemini 3.1 Flash Lite Preview 8.50 10.00 50.0% 0 72 753
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.2 Chat 7.00 10.00 66.7% 0 1,743 0
OpenAI: GPT-5.3 Chat 10.00 10.00 100.0% 0 1,726 0
Google: Gemini 3.1 Flash Lite Preview 10.00 10.00 100.0% 0 243 1,248
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.2 Chat 10.00 10.00 100.0% 0 555 0
OpenAI: GPT-5.3 Chat 10.00 10.00 100.0% 0 861 0
Google: Gemini 3.1 Flash Lite Preview 10.00 10.00 100.0% 0 237 993

Comparación rápida

Cambiar par de comparación

GPT-5.3 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumGPT-5.2 ChatnonevsGLM 5mediumClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsStep 3.5 FlashmediumDisponible gratisDeepSeek V3.2mediumvsGPT-5.3 ChatnoneGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewhighvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewmediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite Previewlow