La puntuación media está prácticamente empatada en 7.9 vs 8.0. Qwen3.8 Flash Next (low) tiene menor coste de benchmark con ~$0.045 vs $0.435. GPT-5.6 Terra (low) es más rápido con 7.58s vs 23.66s, con tasas de acierto de 75.4% vs 79.7%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-10-05
Modelos comparados
Rango
#97
Total de tokens de salida
24,213
Tiempo de respuesta (promedio)
7.58s
Costo total
$0.435
Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
Rango
#96
Total de tokens de salida
135,295
Tiempo de respuesta (promedio)
23.66s
Costo total
~$0.045Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.4535 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.044834.
Modelo recomendadoQwen3.8 Flash Next (low)
Tiene la mejor puntuación aquí (8.0) y cuesta aproximadamente 9.7x menos que GPT-5.6 Terra (low).
Qwen3.8 Flash NextQwen3.8 Flash NextlowLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.Lanzamiento: 2026-10-04
Puntuación
7.9Puntaje promedio en todas las pruebas de benchmark.…
8.0Puntaje promedio en todas las pruebas de benchmark.…
Rango
#97
#96
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
8.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
8.0La 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.Respuesta incorrecta: 8Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)7.58sTiempo de respuesta (máximo)54.57sTiempo de respuesta (total)174.39sUna 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: 6No siguió las instrucciones: 1Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)23.66sTiempo de respuesta (máximo)166.72sTiempo de respuesta (total)544.16sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
75.4%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
79.7%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
6Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
6Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Ejecuciones totales
69Ejecuciones totales…
69Ejecuciones totales…
Costo por resultado
5.277
~0.299Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.4535 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.044834.
Costo total
$0.435
~$0.045Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.4535 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.044834.
Precio de entrada
$2.000 / 1MPrecio de entrada…
N/DPrecio de entrada…
Precio de salida
$12.000 / 1MPrecio de salida…
N/DPrecio de salida…
Precio de lectura de caché
$0.200 / 1MPrecio de lectura de caché…
N/DPrecio de lectura de caché…
Precio de escritura de caché
$2.500 / 1MPrecio de escritura de caché…
N/DPrecio de escritura de caché…
Total de tokens de entrada
176,890Total de tokens de entrada…
342,163Total de tokens de entrada…
Tokens de salida
5,688Tokens de salida…
1,518Tokens de salida…
Tokens de razonamiento
18,525Tokens de razonamiento…
133,777Tokens de razonamiento…
Tiempo de respuesta (promedio)
7.58sTiempo de respuesta (promedio)…
23.66sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
54.57sTiempo de respuesta (máximo)…
166.72sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
174.39sTiempo de respuesta (total)…
544.16sTiempo de respuesta (total)…
Parámetros
~1T en total (~60B activos)
180B en total (6B activos)
Disponibilidad
Código cerrado
Pesos disponibles
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.
#97 GPT-5.6 Terra
low
Coste
$0.034
Tiempo
16.8s
Tokens
2,348 tok
#96 Qwen3.8 Flash Next
lowLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · 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: 0.0131 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.001295.
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)54.57sTiempo de respuesta (máximo)54.57sTiempo de respuesta (total)54.57sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
54.57sTiempo de respuesta (promedio)…
96,586Total de tokens de entrada…
974Tokens de salida…
1,653Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
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)137.50sTiempo de respuesta (máximo)137.50sTiempo de respuesta (total)137.50sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.3Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
75.0%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)2.36sTiempo de respuesta (máximo)3.09sTiempo de respuesta (total)9.46sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.36sTiempo de respuesta (promedio)…
606Total de tokens de entrada…
171Tokens de salida…
602Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · 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)2.03sTiempo de respuesta (máximo)2.72sTiempo de respuesta (total)8.13sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.6Puntaje promedio en todas las pruebas de benchmark.…
4.6La 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.…
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 de respuesta (promedio)9.56sTiempo de respuesta (máximo)19.85sTiempo de respuesta (total)28.67sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
9.56sTiempo de respuesta (promedio)…
7,302Total de tokens de entrada…
429Tokens de salida…
6,821Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · 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)29.46sTiempo de respuesta (máximo)49.90sTiempo de respuesta (total)88.39sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.7Puntaje promedio en todas las pruebas de benchmark.…
6.9La 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.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)9.68sTiempo de respuesta (máximo)14.29sTiempo de respuesta (total)19.36sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
9.68sTiempo de respuesta (promedio)…
57,088Total de tokens de entrada…
3,083Tokens de salida…
1,617Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
6.9Puntaje promedio en todas las pruebas de benchmark.…
5.9La 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.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)98.91sTiempo de respuesta (máximo)166.72sTiempo de respuesta (total)197.82sUna 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)919msTiempo de respuesta (máximo)931msTiempo de respuesta (total)1.84sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
919msTiempo de respuesta (promedio)…
7,140Total de tokens de entrada…
222Tokens de salida…
0Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · 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)6.23sTiempo de respuesta (total)12.40sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.3Puntaje promedio en todas las pruebas de benchmark.…
7.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
44.4%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)9.34sTiempo de respuesta (máximo)11.03sTiempo de respuesta (total)28.02sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
9.34sTiempo de respuesta (promedio)…
732Total de tokens de entrada…
72Tokens de salida…
4,489Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
4.1Puntaje promedio en todas las pruebas de benchmark.…
4.4La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
44.5%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: 3Tiempo de respuesta (promedio)23.34sTiempo de respuesta (máximo)42.75sTiempo de respuesta (total)70.03sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.8Puntaje promedio en todas las pruebas de benchmark.…
3.2La 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)3.52sTiempo de respuesta (máximo)3.52sTiempo de respuesta (total)3.52sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.52sTiempo de respuesta (promedio)…
477Total de tokens de entrada…
105Tokens de salida…
249Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
4.7Puntaje promedio en todas las pruebas de benchmark.…
3.1La 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)5.00sTiempo de respuesta (máximo)5.00sTiempo de respuesta (total)5.00sUna 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)1.48sTiempo de respuesta (máximo)1.80sTiempo de respuesta (total)2.96sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.48sTiempo de respuesta (promedio)…
660Total de tokens de entrada…
87Tokens de salida…
134Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · 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)2.32sTiempo de respuesta (máximo)3.23sTiempo de respuesta (total)4.64sUna 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)4.46sTiempo de respuesta (máximo)8.85sTiempo de respuesta (total)13.37sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.46sTiempo de respuesta (promedio)…
642Total de tokens de entrada…
259Tokens de salida…
1,506Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · NVIDIA GeForce RTX 3090.
8.7Puntaje promedio en todas las pruebas de benchmark.…
7.8La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
88.9%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)1.72sTiempo de respuesta (máximo)2.26sTiempo de respuesta (total)5.15sUna 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)6.69sTiempo de respuesta (máximo)6.69sTiempo de respuesta (total)6.69sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.69sTiempo de respuesta (promedio)…
5,462Total de tokens de entrada…
257Tokens de salida…
226Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · 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)5.85sTiempo de respuesta (máximo)5.85sTiempo de respuesta (total)5.85sUna 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)5.95sTiempo de respuesta (máximo)5.95sTiempo de respuesta (total)5.95sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.95sTiempo de respuesta (promedio)…
195Total de tokens de entrada…
29Tokens de salida…
1,228Tokens de razonamiento…
Qwen3.8 Flash NextLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. qwen3.8-flash-next-iq3_s · IQ3_S · Strata 0.1.39 · 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)9.26sTiempo de respuesta (máximo)9.26sTiempo de respuesta (total)9.26sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…