Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

Modelos comparados

Resumen

Comparación benchmark GPT-5.5 vs GPT-5.4 vs Gemini 3.1 Pro Preview vs Claude Opus 4.7Gemini 3.1 Pro Preview lidera en Puntuación con 9.2. GPT-5.5 lidera en Fiabilidad con 10.0. Claude Opus 4.7 tiene el Costo total más bajo con $0.679. Claude Opus 4.7 es el más rápido con 4.73s.

Modelo recomendado: Claude Opus 4.7 - Su puntuación se mantiene cerca de la mejor aquí (8.7 vs 9.2) y cuesta aproximadamente 2.9x menos que los otros modelos de esta comparación.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-18

Métrica GPT-5.5 GPT-5.5 medium Lanzamiento: 2026-04-24 GPT-5.4 GPT-5.4 medium Lanzamiento: 2026-03-05 Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium Lanzamiento: 2026-02-19 Claude Opus 4.7 Claude Opus 4.7 medium Lanzamiento: 2026-04-16
Puntuación 9.0 8.5 9.2 8.7
Rango #9 #17 #7 #13
Fiabilidad 10.0 10.0 10.0 10.0
Consistencia 8.9 8.6 10.0 9.6
Pruebas correctas
Tasa de aciertos por intento 87.3% 76.2% 90.5% 82.5%
Pruebas inestables 3 4 0 1
Ejecuciones totales 63 63 63 63
Costo por resultado 21.638 8.640 5.546 3.991
Costo total $3.679 $1.210 $1.054 $0.679
Precio de entrada $5.000 / 1M $2.500 / 1M $2.000 / 1M $5.000 / 1M
Precio de salida $30.000 / 1M $15.000 / 1M $12.000 / 1M $25.000 / 1M
Total de tokens de entrada 34,212 34,108 41,617 65,406
Tokens de salida 1,985 2,242 1,977 11,858
Tokens de razonamiento 114,925 72,707 78,896 2,198
Tiempo de respuesta (promedio) 37.98s 22.35s 20.14s 4.73s
Tiempo de respuesta (máximo) 332.10s 100.41s 88.68s 23.18s
Tiempo de respuesta (total) 797.60s 469.29s 281.92s 94.51s

Generación showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#9 GPT-5.5

medium
Coste
$0.112
Tiempo
71.9s
Tokens
3,807 tok

#17 GPT-5.4

medium
Coste
$0.214
Tiempo
199.6s
Tokens
14,349 tok

#7 Gemini 3.1 Pro Preview

medium
Coste
$0.115
Tiempo
87.2s
Tokens
9,629 tok

#13 Claude Opus 4.7

medium
Coste
$0.059
Tiempo
26.8s
Tokens
2,475 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 4.66s 606 250 1,335
GPT-5.4 8.3 10.0 75.0% 0 4.11s 606 240 1,511
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.90s 498 112 3,218
Claude Opus 4.7 8.3 10.0 75.0% 0 1.85s 894 348 0
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216
Gemini 3.1 Pro Preview 7.9 9.9 66.7% 0 40.17s 8,124 435 41,247
Claude Opus 4.7 7.6 7.2 77.8% 1 12.96s 10,635 7,629 1,114
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 19.29s 11,019 312 2,841
GPT-5.4 10.0 10.0 100.0% 0 20.57s 11,019 301 3,543
Gemini 3.1 Pro Preview 9.5 10.0 100.0% 0 40.61s 17,240 432 9,281
Claude Opus 4.7 10.0 10.0 100.0% 0 21.45s 24,501 2,369 1,084
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 4.18s 7,140 234 593
GPT-5.4 10.0 10.0 100.0% 0 5.32s 7,140 234 804
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.72s 7,265 279 3,904
Claude Opus 4.7 10.0 10.0 100.0% 0 2.37s 10,533 324 0
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 5.3 7.2 44.4% 1 164.14s 723 67 79,625
GPT-5.4 5.3 7.2 44.4% 1 74.27s 619 61 34,748
Gemini 3.1 Pro Preview 7.7 10.0 66.7% 0 32.73s 635 18 12,424
Claude Opus 4.7 7.7 10.0 66.7% 0 1.17s 630 51 0
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 4.16s 477 138 223
GPT-5.4 4.7 3.1 33.3% 1 4.92s 477 145 321
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 11.77s 490 108 1,179
Claude Opus 4.7 10.0 10.0 100.0% 0 2.87s 723 256 0
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 3.36s 660 93 538
GPT-5.4 10.0 10.0 100.0% 0 3.11s 660 93 897
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 9.56s 621 72 2,236
Claude Opus 4.7 10.0 10.0 100.0% 0 1.57s 939 114 0
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 6.76s 642 241 2,225
GPT-5.4 8.2 7.2 88.9% 1 9.14s 642 441 3,815
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 6.90s 570 235 3,128
Claude Opus 4.7 10.0 10.0 100.0% 0 2.43s 939 370 0
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 10.57s 5,445 258 832
GPT-5.4 10.0 10.0 100.0% 0 13.28s 5,445 264 1,031
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 23.15s 6,018 274 982
Claude Opus 4.7 10.0 10.0 100.0% 0 4.17s 15,339 373 0
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 2.8 1.6 33.3% 1 37.86s 195 30 1,754
GPT-5.4 3.0 10.0 0.0% 0 13.95s 195 30 1,821
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 6.27s 156 12 1,297
Claude Opus 4.7 3.0 10.0 0.0% 0 2.25s 273 24 0

Comparación rápida

Cambiar par de comparación

Gemini 3.1 Pro PreviewmediumvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.2 ChatnoneGemini 3.5 FlashlowvsGPT-5.5mediumDeepSeek V4 FlashhighvsGPT-5.4mediumClaude Opus 4.7mediumvsDeepSeek V4 FlashhighClaude Opus 4.7mediumvsGemini 3.5 FlashlowClaude Opus 4.7mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.2 ChatnoneGemini 3.5 FlashlowvsGPT-5.4mediumDeepSeek V4 FlashhighvsGPT-5.5mediumGPT-5.4mediumvsStep 3.7 FlashlowGemini 3.5 FlashhighvsGPT-5.5medium