GPT-5.2 (medium) vs Inkling 2 Mini (local Q4) (minimal)
La puntuación media está prácticamente empatada en 8.7 vs 8.7. Inkling 2 Mini (local Q4) (minimal) tiene menor coste de benchmark con ~$0.206 vs $1.558. GPT-5.2 (medium) es más rápido con 31.29s vs 108.28s, con tasas de acierto de 73.9% vs 73.9%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-11-22
Modelos comparados
Rango
#103
Total de tokens de salida
80,538
Tiempo de respuesta (promedio)
31.29s
Costo total
$1.558
Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
Rango
#108
Total de tokens de salida
219,084
Tiempo de respuesta (promedio)
108.28s
Costo total
~$0.206Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.0753 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.205185.
Modelo recomendadoInkling 2 Mini (local Q4) (minimal)
Tiene la mejor puntuación aquí (8.7) y cuesta aproximadamente 7.6x menos que GPT-5.2 (medium).
Inkling 2 Mini (local Q4)Inkling 2 Mini (local Q4)minimalLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.Lanzamiento: 2026-11-20
Inkling 2 Mini (local Q4)Inkling 2 Mini (local Q4)minimalLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.Lanzamiento: 2026-11-20
Puntuación
8.7Puntaje promedio en todas las pruebas de benchmark.…
8.7Puntaje promedio en todas las pruebas de benchmark.…
Rango
#103
#108
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.…
9.8Puntuación 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).…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
Intentos
69/69
69/69
Pruebas correctas
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.No siguió las instrucciones: 3Respuesta incorrecta: 3Sin respuesta: 1Tiempo agotado: 1Tiempo de respuesta (promedio)31.29sTiempo de respuesta (máximo)116.86sTiempo de respuesta (total)531.98sUna 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: 4No siguió las instrucciones: 1Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)108.28sTiempo de respuesta (máximo)1322.88sTiempo de respuesta (total)2490.37sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
73.9%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
73.9%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).…
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Ejecuciones totales
69Ejecuciones totales…
69Ejecuciones totales…
Costo por resultado
10.261
~1.207Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.0753 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.205185.
Costo total
$1.558
~$0.206Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.0753 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.205185.
Precio de entrada
$1.750 / 1MPrecio de entrada…
N/DPrecio de entrada…
Precio de salida
$14.000 / 1MPrecio de salida…
N/DPrecio de salida…
Precio de lectura de caché
$0.175 / 1MPrecio de lectura de caché…
N/DPrecio de lectura de caché…
Precio de escritura de caché
N/DPrecio de escritura de caché…
N/DPrecio de escritura de caché…
Total de tokens de entrada
235,207Total de tokens de entrada…
309,808Total de tokens de entrada…
Tokens de salida
11,065Tokens de salida…
1,579Tokens de salida…
Tokens de razonamiento
69,473Tokens de razonamiento…
217,505Tokens de razonamiento…
Tiempo de respuesta (promedio)
31.29sTiempo de respuesta (promedio)…
108.28sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
116.86sTiempo de respuesta (máximo)…
1322.88sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
531.98sTiempo de respuesta (total)…
2490.37sTiempo de respuesta (total)…
Parámetros
~1.2T en total (~80B activos)
26.4B en total (3.4B activos)
Disponibilidad
Código cerrado
Código abierto
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.
Generación showcase de modelos
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#103 GPT-5.2
medium
Coste
$0.047
Tiempo
49.2s
Tokens
3,396 tok
#108 Thinking Machines: Inkling 2 Mini (local Q4)
minimalLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
Coste
~$0.002Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.0188 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.001862.
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)75.85sTiempo de respuesta (máximo)75.85sTiempo de respuesta (total)75.85sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
75.85sTiempo de respuesta (promedio)…
130,194Total de tokens de entrada…
1,151Tokens de salida…
8,135Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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)59.04sTiempo de respuesta (máximo)59.04sTiempo de respuesta (total)59.04sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.5Puntaje promedio en todas las pruebas de benchmark.…
8.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
58.3%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: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.81sTiempo de respuesta (máximo)14.34sTiempo de respuesta (total)15.62sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.81sTiempo de respuesta (promedio)…
606Total de tokens de entrada…
567Tokens de salida…
2,002Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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)6.20sTiempo de respuesta (máximo)10.50sTiempo de respuesta (total)24.78sUna 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)22.73sTiempo de respuesta (máximo)31.19sTiempo de respuesta (total)68.20sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
22.73sTiempo de respuesta (promedio)…
7,302Total de tokens de entrada…
511Tokens de salida…
11,912Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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)225.36sTiempo de respuesta (máximo)477.83sTiempo de respuesta (total)676.09sUna 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)58.50sTiempo de respuesta (máximo)102.93sTiempo de respuesta (total)116.99sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
58.50sTiempo de respuesta (promedio)…
82,056Total de tokens de entrada…
7,304Tokens de salida…
14,693Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
6.4Puntaje 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.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)671.08sTiempo de respuesta (máximo)1322.88sTiempo de respuesta (total)1342.15sUna 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)3.15sTiempo de respuesta (máximo)3.15sTiempo de respuesta (total)3.15sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.15sTiempo de respuesta (promedio)…
7,140Total de tokens de entrada…
234Tokens de salida…
420Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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)28.12sTiempo de respuesta (máximo)35.26sTiempo de respuesta (total)56.25sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.9Puntaje 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.Tiempo agotado: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)97.33sTiempo de respuesta (máximo)116.86sTiempo de respuesta (total)194.65sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
97.33sTiempo de respuesta (promedio)…
482Total de tokens de entrada…
42Tokens de salida…
26,812Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
7.7Puntaje 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)88.16sTiempo de respuesta (máximo)147.25sTiempo de respuesta (total)264.48sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.7Puntaje promedio en todas las pruebas de benchmark.…
9.7La 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)4.32sTiempo de respuesta (máximo)4.32sTiempo de respuesta (total)4.32sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.32sTiempo de respuesta (promedio)…
477Total de tokens de entrada…
162Tokens de salida…
269Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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).…
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)6.44sTiempo de respuesta (máximo)6.44sTiempo de respuesta (total)6.44sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
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)3.12sTiempo de respuesta (máximo)3.12sTiempo de respuesta (total)3.12sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.12sTiempo de respuesta (promedio)…
660Total de tokens de entrada…
94Tokens de salida…
614Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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)5.25sTiempo de respuesta (máximo)5.70sTiempo de respuesta (total)10.49sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.5Puntaje promedio en todas las pruebas de benchmark.…
7.3La 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)5.80sTiempo de respuesta (máximo)6.45sTiempo de respuesta (total)11.61sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.80sTiempo de respuesta (promedio)…
642Total de tokens de entrada…
735Tokens de salida…
924Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
6.0Puntaje 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.No siguió las instrucciones: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.32sTiempo de respuesta (máximo)7.68sTiempo de respuesta (total)21.96sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.7Puntaje promedio en todas las pruebas de benchmark.…
1.6La 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.…
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)10.30sTiempo de respuesta (máximo)10.30sTiempo de respuesta (total)10.30sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
10.30sTiempo de respuesta (promedio)…
5,453Total de tokens de entrada…
239Tokens de salida…
469Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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)7.52sTiempo de respuesta (máximo)7.52sTiempo de respuesta (total)7.52sUna 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)28.18sTiempo de respuesta (máximo)28.18sTiempo de respuesta (total)28.18sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
28.18sTiempo de respuesta (promedio)…
195Total de tokens de entrada…
26Tokens de salida…
3,223Tokens de razonamiento…
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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)21.18sTiempo de respuesta (máximo)21.18sTiempo de respuesta (total)21.18sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…