7.4Puntaje promedio en todas las pruebas de benchmark.…
7.2Puntaje promedio en todas las pruebas de benchmark.…
Consistencia
9.1La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
9.5La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
Costo por resultado
2.440Muestra el costo promedio por respuesta correcta del benchmark en centavos (menor es mejor).…
0.316Muestra el costo promedio por respuesta correcta del benchmark en centavos (menor es mejor).…
Costo total
$0.269Costo total…
$0.035Costo total…
Pruebas correctas
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 4No siguió las instrucciones: 1Tiempo de respuesta (promedio)7.03sTiempo de respuesta (máximo)38.52sTiempo de respuesta (total)112.51sUna 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: 3Error de API: 1No siguió las instrucciones: 1Tiempo de respuesta (promedio)25.33sTiempo de respuesta (máximo)96.01sTiempo de respuesta (total)253.33sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
75.0%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
72.9%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
2Pruebas 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).…
common.totalRuns
48 (16 x 3)common.totalRuns…
48 (16 x 3)common.totalRuns…
Tokens de salida
15,845Tokens de salida…
11,613Tokens de salida…
Tokens de razonamiento
0Tokens de razonamiento…
106,714Tokens de razonamiento…
Tiempo de respuesta (promedio)
7.03sTiempo de respuesta (promedio)…
25.33sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
38.52sTiempo de respuesta (máximo)…
96.01sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
112.51sTiempo de respuesta (total)…
253.33sTiempo de respuesta (total)…
Mejores modelos por puntuación
Puntuación vs costo total
Tiempo de respuesta (promedio)
Puntaje prom. vs Tiempo de respuesta (promedio)
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
OpenAI: GPT-5.2 Chat
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)3.97sTiempo de respuesta (máximo)4.78sTiempo de respuesta (total)11.90sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.97sTiempo de respuesta (promedio)…
1,651Tokens de salida…
0Tokens de razonamiento…
Xiaomi: MiMo-V2-Flash
9.7Puntaje 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)16.79sTiempo de respuesta (máximo)20.83sTiempo de respuesta (total)33.57sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
16.79sTiempo de respuesta (promedio)…
1,328Tokens de salida…
18,739Tokens de razonamiento…
Combinado
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
OpenAI: GPT-5.2 Chat
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)9.12sTiempo de respuesta (máximo)9.12sTiempo de respuesta (total)9.12sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
9.12sTiempo de respuesta (promedio)…
1,243Tokens de salida…
0Tokens de razonamiento…
Xiaomi: MiMo-V2-Flash
9.0Puntaje 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)75.68sTiempo de respuesta (máximo)75.68sTiempo de respuesta (total)75.68sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
75.68sTiempo de respuesta (promedio)…
442Tokens de salida…
26,859Tokens de razonamiento…
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
OpenAI: GPT-5.2 Chat
9.9Puntaje 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)3.05sTiempo de respuesta (máximo)3.33sTiempo de respuesta (total)6.10sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.05sTiempo de respuesta (promedio)…
980Tokens de salida…
0Tokens de razonamiento…
Xiaomi: MiMo-V2-Flash
5.5Puntaje 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.Error de API: 1Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0msTiempo de respuesta (promedio)…
153Tokens de salida…
0Tokens de razonamiento…
Específico del dominio
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
OpenAI: GPT-5.2 Chat
4.0Puntaje 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)17.78sTiempo de respuesta (máximo)38.52sTiempo de respuesta (total)53.33sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
17.78sTiempo de respuesta (promedio)…
7,810Tokens de salida…
0Tokens de razonamiento…
Xiaomi: MiMo-V2-Flash
4.0Puntaje promedio en todas las pruebas de benchmark.…
7.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
55.6%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)96.01sTiempo de respuesta (máximo)96.01sTiempo de respuesta (total)96.01sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
96.01sTiempo de respuesta (promedio)…
8,374Tokens de salida…
42,461Tokens de razonamiento…
Inteligencia general
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
OpenAI: GPT-5.2 Chat
4.0Puntaje promedio en todas las pruebas de benchmark.…
3.0La 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.…
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)3.20sTiempo de respuesta (máximo)3.20sTiempo de respuesta (total)3.20sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.20sTiempo de respuesta (promedio)…
335Tokens de salida…
0Tokens de razonamiento…
Xiaomi: MiMo-V2-Flash
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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)4.20sTiempo de respuesta (máximo)4.20sTiempo de respuesta (total)4.20sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.20sTiempo de respuesta (promedio)…
87Tokens de salida…
488Tokens de razonamiento…
Seguimiento de instrucciones
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
OpenAI: GPT-5.2 Chat
6.0Puntaje promedio en todas las pruebas de benchmark.…
6.1La 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)5.46sTiempo de respuesta (máximo)6.45sTiempo de respuesta (total)10.92sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.46sTiempo de respuesta (promedio)…
1,528Tokens de salida…
0Tokens de razonamiento…
Xiaomi: MiMo-V2-Flash
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)4.28sTiempo de respuesta (máximo)7.37sTiempo de respuesta (total)8.55sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.28sTiempo de respuesta (promedio)…
75Tokens de salida…
3,504Tokens de razonamiento…
Puzzle Solving
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
OpenAI: GPT-5.2 Chat
7.0Puntaje 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)4.42sTiempo de respuesta (máximo)5.04sTiempo de respuesta (total)13.27sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.42sTiempo de respuesta (promedio)…
1,743Tokens de salida…
0Tokens de razonamiento…
Xiaomi: MiMo-V2-Flash
7.0Puntaje 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)3.77sTiempo de respuesta (máximo)5.26sTiempo de respuesta (total)7.55sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.77sTiempo de respuesta (promedio)…
833Tokens de salida…
1,948Tokens de razonamiento…
Llamada de herramientas
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de salida
Tokens de razonamiento
OpenAI: GPT-5.2 Chat
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)4.68sTiempo de respuesta (máximo)4.68sTiempo de respuesta (total)4.68sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.68sTiempo de respuesta (promedio)…
555Tokens de salida…
0Tokens de razonamiento…
Xiaomi: MiMo-V2-Flash
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)27.78sTiempo de respuesta (máximo)27.78sTiempo de respuesta (total)27.78sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…