Navegación
AI BENCHY
Comparar Gráficos
❤️ Made by XCS
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

Comparar:

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-03-05

Métrica OpenAI: GPT-5.4 medium Lanzamiento: 2026-03-05 OpenAI: GPT-5.3-Codex medium Lanzamiento: 2026-02-05 OpenAI: GPT-5.2 medium Lanzamiento: 2025-12-11
Rango #7 #4 #26
Puntaje prom. 82 87 69
Consistencia 89 90 78
Costo por resultado 6.533 4.418 3.057
Costo total $0.784 $0.531 $0.306
Pruebas correctas
Tasa de aciertos por intento 86.7% 88.9% 80.0%
Pruebas inestables 2 2 4
Tokens de salida 1,611 1,577 2,058
Tokens de razonamiento 46,321 33,017 16,542

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-5.4 100 100 100.0% 0 216 1,466
OpenAI: GPT-5.3-Codex 100 100 100.0% 0 216 1,421
OpenAI: GPT-5.2 70 73 77.8% 1 549 2,002
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.4 100 100 100.0% 0 301 3,543
OpenAI: GPT-5.3-Codex 100 100 100.0% 0 364 2,731
OpenAI: GPT-5.2 100 100 100.0% 0 291 1,757
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.4 99 100 100.0% 0 234 804
OpenAI: GPT-5.3-Codex 99 100 100.0% 0 234 728
OpenAI: GPT-5.2 99 100 100.0% 0 234 420
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.4 40 72 44.4% 1 61 34,748
OpenAI: GPT-5.3-Codex 40 72 55.6% 1 64 25,308
OpenAI: GPT-5.2 40 72 55.6% 1 42 10,342
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.4 100 100 100.0% 0 93 897
OpenAI: GPT-5.3-Codex 100 100 100.0% 0 93 693
OpenAI: GPT-5.2 95 100 100.0% 0 94 614
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.4 70 72 88.9% 1 442 3,832
OpenAI: GPT-5.3-Codex 93 79 88.9% 1 352 1,644
OpenAI: GPT-5.2 70 73 77.8% 1 609 938
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
OpenAI: GPT-5.4 100 100 100.0% 0 264 1,031
OpenAI: GPT-5.3-Codex 100 100 100.0% 0 254 492
OpenAI: GPT-5.2 100 16 66.7% 1 239 469

Comparación rápida

Cambiar par de comparación

Claude Sonnet 4.6nonevsGPT-5.2mediumGemini 3 Flash PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewhighvsGPT-5.4mediumGemini 3 Flash PreviewnonevsGPT-5.2mediumGPT-5.2mediumvsQwen3.5 Plus 2026-02-15noneGemini 3.1 Flash Lite PreviewnonevsGPT-5.2mediumGemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.4mediumGemini 3.1 Flash Lite PreviewhighvsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.2mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4mediumGPT-5.2mediumvsGLM 5none