GPT-5.5 (low) lidera en puntuación media con 9.3 vs 7.6. GLM 5 Turbo (medium) tiene menor coste de benchmark con $0.323 vs $1.257. GPT-5.5 (low) es más rápido con 10.15s vs 23.00s, con tasas de acierto de 86.4% vs 71.2%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-08-20
Rango
#10
Total de tokens de salida
28,540
Tiempo de respuesta (promedio)
10.15s
Costo total
$1.257
Rango
#77
Total de tokens de salida
74,522
Tiempo de respuesta (promedio)
23.00s
Costo total
$0.323
Modelo recomendadoGPT-5.5 (low)
Tiene la mejor puntuación aquí (9.3) y responde aproximadamente 2.3x más rápido que GLM 5 Turbo (medium).
GLM 5 TurboGLM 5 TurbomediumModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.Lanzamiento: 2026-03-15
Puntuación
9.3Puntaje promedio en todas las pruebas de benchmark.…
7.6Puntaje promedio en todas las pruebas de benchmark.…
Rango
#10
#77
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.…
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.…
Consistencia
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
8.1La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
Intentos
66/66
63/66
Pruebas correctas
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 3Tiempo de respuesta (promedio)10.15sTiempo de respuesta (máximo)56.19sTiempo de respuesta (total)223.24sUna 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: 1Sin respuesta: 1Tiempo agotado: 1Tiempo de respuesta (promedio)23.00sTiempo de respuesta (máximo)194.23sTiempo de respuesta (total)482.97sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
86.4%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
71.2%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
4Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Ejecuciones totales
66Ejecuciones totales…
63Ejecuciones totales…
Costo por resultado
6.614
2.011
Costo total
$1.257
$0.323
Precio de entrada
$5.000 / 1MPrecio de entrada…
$1.200 / 1MPrecio de entrada…
Precio de salida
$30.000 / 1MPrecio de salida…
$4.000 / 1MPrecio de salida…
Total de tokens de entrada
80,067Total de tokens de entrada…
35,593Total de tokens de entrada…
Tokens de salida
5,378Tokens de salida…
12,245Tokens de salida…
Tokens de razonamiento
23,162Tokens de razonamiento…
62,277Tokens de razonamiento…
Tiempo de respuesta (promedio)
10.15sTiempo de respuesta (promedio)…
23.00sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
56.19sTiempo de respuesta (máximo)…
194.23sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
223.24sTiempo de respuesta (total)…
482.97sTiempo de respuesta (total)…
Parámetros
~1.5T en total (~100B activos)
744B en total (40B activos)
Disponibilidad
Código cerrado
Código cerrado
Generación showcase de modelos
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
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)4.41sTiempo de respuesta (máximo)6.32sTiempo de respuesta (total)17.64sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.41sTiempo de respuesta (promedio)…
606Total de tokens de entrada…
238Tokens de salida…
1,020Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)4.82sTiempo de respuesta (máximo)7.69sTiempo de respuesta (total)19.26sUna 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)15.04sTiempo de respuesta (máximo)21.06sTiempo de respuesta (total)45.11sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
15.04sTiempo de respuesta (promedio)…
7,302Total de tokens de entrada…
423Tokens de salida…
6,402Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
8.2Puntaje promedio en todas las pruebas de benchmark.…
9.3La 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.Sin respuesta: 1Tiempo de respuesta (promedio)45.90sTiempo de respuesta (máximo)95.57sTiempo de respuesta (total)137.71sUna 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)13.73sTiempo de respuesta (máximo)17.90sTiempo de respuesta (total)27.46sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
13.73sTiempo de respuesta (promedio)…
56,868Total de tokens de entrada…
3,635Tokens de salida…
1,297Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
5.0Puntaje promedio en todas las pruebas de benchmark.…
5.0La 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.No hay respuestas fallidas.Tiempo de respuesta (promedio)13.88sTiempo de respuesta (máximo)13.88sTiempo de respuesta (total)13.88sUna 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)3.28sTiempo de respuesta (máximo)5.13sTiempo de respuesta (total)6.56sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.28sTiempo de respuesta (promedio)…
7,140Total de tokens de entrada…
228Tokens de salida…
157Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)6.19sTiempo de respuesta (máximo)6.42sTiempo de respuesta (total)12.38sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
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).…
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)28.19sTiempo de respuesta (máximo)56.19sTiempo de respuesta (total)84.58sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
28.19sTiempo de respuesta (promedio)…
732Total de tokens de entrada…
69Tokens de salida…
11,731Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
2.9Puntaje promedio en todas las pruebas de benchmark.…
4.4La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
22.2%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
2Pruebas 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 agotado: 1Tiempo de respuesta (promedio)71.07sTiempo de respuesta (máximo)194.23sTiempo de respuesta (total)213.22sUna 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)5.17sTiempo de respuesta (máximo)5.17sTiempo de respuesta (total)5.17sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.17sTiempo de respuesta (promedio)…
477Total de tokens de entrada…
133Tokens de salida…
245Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
6.1Puntaje promedio en todas las pruebas de benchmark.…
3.1La 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)10.05sTiempo de respuesta (máximo)10.05sTiempo de respuesta (total)10.05sUna 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)3.74sTiempo de respuesta (máximo)3.99sTiempo de respuesta (total)7.48sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.74sTiempo de respuesta (promedio)…
660Total de tokens de entrada…
93Tokens de salida…
415Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)5.38sTiempo de respuesta (máximo)5.70sTiempo de respuesta (total)10.77sUna 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)4.74sTiempo de respuesta (máximo)5.61sTiempo de respuesta (total)14.21sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.74sTiempo de respuesta (promedio)…
642Total de tokens de entrada…
279Tokens de salida…
954Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
8.7Puntaje promedio en todas las pruebas de benchmark.…
7.9La 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)5.23sTiempo de respuesta (máximo)7.26sTiempo de respuesta (total)15.69sUna 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)4.96sTiempo de respuesta (máximo)4.96sTiempo de respuesta (total)4.96sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.96sTiempo de respuesta (promedio)…
5,445Total de tokens de entrada…
250Tokens de salida…
101Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)9.84sTiempo de respuesta (máximo)9.84sTiempo de respuesta (total)9.84sUna 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)10.06sTiempo de respuesta (máximo)10.06sTiempo de respuesta (total)10.06sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
10.06sTiempo de respuesta (promedio)…
195Total de tokens de entrada…
30Tokens de salida…
840Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)40.17sTiempo de respuesta (máximo)40.17sTiempo de respuesta (total)40.17sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…