Comparación benchmark GPT-6.1 Sol (xhigh) vs GPT-6 Astra (xhigh) vs Claude Sonnet 5.5 (xhigh):GPT-6.1 Sol (xhigh) lidera en Puntuación con 9.9. GPT-6.1 Sol (xhigh) lidera en Fiabilidad con 10.0. GPT-6.1 Sol (xhigh) tiene el Costo total más bajo con $1.377. Claude Sonnet 5.5 (xhigh) es el más rápido con 14.98s.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-11-18
Modelos comparados
Rango
#16
Total de tokens de salida
102,482
Tiempo de respuesta (promedio)
33.11s
Costo total
$1.377
Rango
#18
Total de tokens de salida
90,095
Tiempo de respuesta (promedio)
29.67s
Costo total
$6.213
Rango
#115
Total de tokens de salida
83,041
Tiempo de respuesta (promedio)
14.98s
Costo total
$1.516
Modelo recomendadoGPT-6.1 Sol (xhigh)
Tiene la mejor puntuación aquí (9.9) y cuesta aproximadamente 2.8x menos que los otros modelos de esta comparación.
GPT-6 AstraGPT-6 AstraxhighModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.Lanzamiento: 2026-09-04
Claude Sonnet 5.5Claude Sonnet 5.5xhighModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.Lanzamiento: 2026-09-29
Puntuación
9.9Puntaje promedio en todas las pruebas de benchmark.…
9.9Puntaje promedio en todas las pruebas de benchmark.…
8.6Puntaje promedio en todas las pruebas de benchmark.…
Rango
#16
#18
#115
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.…
9.9Puntuación 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
9.6La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
9.6La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
8.7La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
Intentos
69/69
69/69
69/69
Pruebas correctas
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Respuesta incorrecta: 1Tiempo de respuesta (promedio)33.11sTiempo de respuesta (máximo)491.85sTiempo de respuesta (total)761.52sUna 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: 1Tiempo de respuesta (promedio)29.67sTiempo de respuesta (máximo)381.11sTiempo de respuesta (total)682.42sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
97.1%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
97.1%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
1Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
1Pruebas 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
69Ejecuciones totales…
69Ejecuciones totales…
69Ejecuciones totales…
Costo por resultado
6.256
28.237
9.473
Costo total
$1.377
$6.213
$1.516
Precio de entrada
$2.000 / 1MPrecio de entrada…
$10.000 / 1MPrecio de entrada…
$2.000 / 1MPrecio de entrada…
Precio de salida
$10.000 / 1MPrecio de salida…
$50.000 / 1MPrecio de salida…
$10.000 / 1MPrecio de salida…
Precio de lectura de caché
$0.100 / 1MPrecio de lectura de caché…
$1.000 / 1MPrecio de lectura de caché…
$0.200 / 1MPrecio de lectura de caché…
Precio de escritura de caché
$2.500 / 1MPrecio de escritura de caché…
$12.500 / 1MPrecio de escritura de caché…
$2.500 / 1MPrecio de escritura de caché…
Total de tokens de entrada
175,712Total de tokens de entrada…
170,731Total de tokens de entrada…
342,579Total de tokens de entrada…
Tokens de salida
5,640Tokens de salida…
5,865Tokens de salida…
12,848Tokens de salida…
Tokens de razonamiento
96,842Tokens de razonamiento…
84,230Tokens de razonamiento…
70,193Tokens de razonamiento…
Tiempo de respuesta (promedio)
33.11sTiempo de respuesta (promedio)…
29.67sTiempo de respuesta (promedio)…
14.98sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
491.85sTiempo de respuesta (máximo)…
381.11sTiempo de respuesta (máximo)…
54.92sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
761.52sTiempo de respuesta (total)…
682.42sTiempo de respuesta (total)…
344.60sTiempo de respuesta (total)…
Parámetros
~2T en total (~150B activos)
~2T en total (~150B activos)
~1T en total (~100B activos)
Disponibilidad
Código cerrado
Código cerrado
Código cerrado
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.
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)58.86sTiempo de respuesta (máximo)58.86sTiempo de respuesta (total)58.86sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
58.86sTiempo de respuesta (promedio)…
96,480Total de tokens de entrada…
829Tokens de salida…
1,934Tokens de razonamiento…
GPT-6 AstraModelo 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)56.73sTiempo de respuesta (máximo)56.73sTiempo de respuesta (total)56.73sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
56.73sTiempo de respuesta (promedio)…
91,069Total de tokens de entrada…
810Tokens de salida…
2,102Tokens de razonamiento…
Claude Sonnet 5.5Modelo 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)54.92sTiempo de respuesta (máximo)54.92sTiempo de respuesta (total)54.92sUna 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)3.86sTiempo de respuesta (máximo)5.07sTiempo de respuesta (total)15.45sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.86sTiempo de respuesta (promedio)…
606Total de tokens de entrada…
164Tokens de salida…
886Tokens de razonamiento…
GPT-6 AstraModelo 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)3.71sTiempo de respuesta (máximo)5.18sTiempo de respuesta (total)14.85sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.71sTiempo de respuesta (promedio)…
606Total de tokens de entrada…
170Tokens de salida…
971Tokens de razonamiento…
Claude Sonnet 5.5Modelo 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)4.21sTiempo de respuesta (máximo)5.12sTiempo de respuesta (total)16.83sUna 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)10.65sTiempo de respuesta (máximo)15.30sTiempo de respuesta (total)31.95sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
10.65sTiempo de respuesta (promedio)…
7,302Total de tokens de entrada…
393Tokens de salida…
4,483Tokens de razonamiento…
GPT-6 AstraModelo 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)8.27sTiempo de respuesta (máximo)11.08sTiempo de respuesta (total)24.81sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.27sTiempo de respuesta (promedio)…
7,302Total de tokens de entrada…
396Tokens de salida…
4,031Tokens de razonamiento…
Claude Sonnet 5.5Modelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
8.2Puntaje promedio en todas las pruebas de benchmark.…
7.2La 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.Formato extra: 1Tiempo de respuesta (promedio)11.90sTiempo de respuesta (máximo)15.48sTiempo de respuesta (total)35.70sUna 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)34.38sTiempo de respuesta (máximo)52.09sTiempo de respuesta (total)68.76sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
34.38sTiempo de respuesta (promedio)…
56,024Total de tokens de entrada…
3,244Tokens de salida…
8,146Tokens de razonamiento…
GPT-6 AstraModelo 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)41.20sTiempo de respuesta (máximo)63.24sTiempo de respuesta (total)82.41sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
41.20sTiempo de respuesta (promedio)…
56,454Total de tokens de entrada…
3,461Tokens de salida…
9,960Tokens de razonamiento…
Claude Sonnet 5.5Modelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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)30.37sTiempo de respuesta (máximo)37.90sTiempo de respuesta (total)60.75sUna 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)2.88sTiempo de respuesta (máximo)3.21sTiempo de respuesta (total)5.76sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.88sTiempo de respuesta (promedio)…
7,140Total de tokens de entrada…
234Tokens de salida…
343Tokens de razonamiento…
GPT-6 AstraModelo 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)3.34sTiempo de respuesta (máximo)3.64sTiempo de respuesta (total)6.69sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.34sTiempo de respuesta (promedio)…
7,140Total de tokens de entrada…
234Tokens de salida…
365Tokens de razonamiento…
Claude Sonnet 5.5Modelo 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)4.96sTiempo de respuesta (máximo)6.16sTiempo de respuesta (total)9.92sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.6Puntaje promedio en todas las pruebas de benchmark.…
7.2La 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)177.33sTiempo de respuesta (máximo)491.85sTiempo de respuesta (total)532.00sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
177.33sTiempo de respuesta (promedio)…
732Total de tokens de entrada…
68Tokens de salida…
76,624Tokens de razonamiento…
GPT-6 AstraModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
7.6Puntaje promedio en todas las pruebas de benchmark.…
7.2La 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)146.97sTiempo de respuesta (máximo)381.11sTiempo de respuesta (total)440.90sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
146.97sTiempo de respuesta (promedio)…
732Total de tokens de entrada…
68Tokens de salida…
61,252Tokens de razonamiento…
Claude Sonnet 5.5Modelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
2.9Puntaje promedio en todas las pruebas de benchmark.…
7.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
11.1%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: 3Tiempo de respuesta (promedio)35.33sTiempo de respuesta (máximo)54.91sTiempo de respuesta (total)106.00sUna 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)8.78sTiempo de respuesta (máximo)8.78sTiempo de respuesta (total)8.78sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.78sTiempo de respuesta (promedio)…
477Total de tokens de entrada…
113Tokens de salida…
983Tokens de razonamiento…
GPT-6 AstraModelo 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)7.68sTiempo de respuesta (máximo)7.68sTiempo de respuesta (total)7.68sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.68sTiempo de respuesta (promedio)…
477Total de tokens de entrada…
124Tokens de salida…
870Tokens de razonamiento…
Claude Sonnet 5.5Modelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
6.5Puntaje promedio en todas las pruebas de benchmark.…
3.4La 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)9.10sTiempo de respuesta (máximo)9.10sTiempo de respuesta (total)9.10sUna 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)3.78sTiempo de respuesta (máximo)4.32sTiempo de respuesta (total)7.56sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.78sTiempo de respuesta (promedio)…
660Total de tokens de entrada…
93Tokens de salida…
654Tokens de razonamiento…
GPT-6 AstraModelo 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)4.91sTiempo de respuesta (máximo)5.08sTiempo de respuesta (total)9.82sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.91sTiempo de respuesta (promedio)…
660Total de tokens de entrada…
93Tokens de salida…
752Tokens de razonamiento…
Claude Sonnet 5.5Modelo 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)4.58sTiempo de respuesta (máximo)4.79sTiempo de respuesta (total)9.15sUna 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)4.87sTiempo de respuesta (máximo)6.32sTiempo de respuesta (total)14.62sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.87sTiempo de respuesta (promedio)…
642Total de tokens de entrada…
212Tokens de salida…
1,084Tokens de razonamiento…
GPT-6 AstraModelo 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)4.48sTiempo de respuesta (máximo)5.60sTiempo de respuesta (total)13.44sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.48sTiempo de respuesta (promedio)…
642Total de tokens de entrada…
215Tokens de salida…
1,072Tokens de razonamiento…
Claude Sonnet 5.5Modelo 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)4.88sTiempo de respuesta (máximo)5.32sTiempo de respuesta (total)14.63sUna 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)10.29sTiempo de respuesta (máximo)10.29sTiempo de respuesta (total)10.29sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
10.29sTiempo de respuesta (promedio)…
5,454Total de tokens de entrada…
260Tokens de salida…
842Tokens de razonamiento…
GPT-6 AstraModelo 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)11.04sTiempo de respuesta (máximo)11.04sTiempo de respuesta (total)11.04sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
11.04sTiempo de respuesta (promedio)…
5,454Total de tokens de entrada…
264Tokens de salida…
1,051Tokens de razonamiento…
Claude Sonnet 5.5Modelo 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)10.29sTiempo de respuesta (máximo)10.29sTiempo de respuesta (total)10.29sUna 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)7.51sTiempo de respuesta (máximo)7.51sTiempo de respuesta (total)7.51sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.51sTiempo de respuesta (promedio)…
195Total de tokens de entrada…
30Tokens de salida…
863Tokens de razonamiento…
GPT-6 AstraModelo 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)14.06sTiempo de respuesta (máximo)14.06sTiempo de respuesta (total)14.06sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
14.06sTiempo de respuesta (promedio)…
195Total de tokens de entrada…
30Tokens de salida…
1,804Tokens de razonamiento…
Claude Sonnet 5.5Modelo 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.Sin respuesta: 1Tiempo de respuesta (promedio)17.31sTiempo de respuesta (máximo)17.31sTiempo de respuesta (total)17.31sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…