La puntuación media está prácticamente empatada en 9.9 vs 9.9. max tiene menor coste de benchmark con $5.044 vs $6.213. xhigh es más rápido con 29.67s vs 61.63s, con tasas de acierto de 95.7% vs 97.1%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-10-19
Modelos comparados
Rango
#5
Total de tokens de salida
64,616
Tiempo de respuesta (promedio)
61.63s
Costo total
$5.044
Rango
#8
Total de tokens de salida
90,095
Tiempo de respuesta (promedio)
29.67s
Costo total
$6.213
Modelo recomendadoxhigh
Tiene la mejor puntuación aquí (9.9) y responde aproximadamente 2.1x más rápido que GPT-6 Astra (max).
GPT-6 AstraGPT-6 AstraxhighModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.Lanzamiento: 2026-09-04
Puntuación
9.9Puntaje promedio en todas las pruebas de benchmark.…
9.9Puntaje promedio en todas las pruebas de benchmark.…
Rango
#5
#8
Fiabilidad
9.6Puntuación 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.…
Consistencia
10.0La 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).…
Intentos
69/69
69/69
Pruebas correctas
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Tiempo agotado: 1Tiempo de respuesta (promedio)61.63sTiempo de respuesta (máximo)960.01sTiempo de respuesta (total)1417.51sUna 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.…
Tasa de aciertos por intento
95.7%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.…
Pruebas inestables
0Pruebas 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).…
Ejecuciones totales
69Ejecuciones totales…
69Ejecuciones totales…
Costo por resultado
22.923
28.237
Costo total
$5.044
$6.213
Precio de entrada
$10.000 / 1MPrecio de entrada…
$10.000 / 1MPrecio de entrada…
Precio de salida
$50.000 / 1MPrecio de salida…
$50.000 / 1MPrecio de salida…
Precio de lectura de caché
$1.000 / 1MPrecio de lectura de caché…
$1.000 / 1MPrecio de lectura de caché…
Precio de escritura de caché
$12.500 / 1MPrecio de escritura de caché…
$12.500 / 1MPrecio de escritura de caché…
Total de tokens de entrada
181,223Total de tokens de entrada…
170,731Total de tokens de entrada…
Tokens de salida
5,707Tokens de salida…
5,865Tokens de salida…
Tokens de razonamiento
58,909Tokens de razonamiento…
84,230Tokens de razonamiento…
Tiempo de respuesta (promedio)
61.63sTiempo de respuesta (promedio)…
29.67sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
960.01sTiempo de respuesta (máximo)…
381.11sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
1417.51sTiempo de respuesta (total)…
682.42sTiempo de respuesta (total)…
Parámetros
~2T en total (~150B activos)
~2T en total (~150B activos)
Disponibilidad
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.
#5 GPT-6 Astra
max
Reached the allocated time limit (600 seconds) without receiving showcase output.
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)69.56sTiempo de respuesta (máximo)69.56sTiempo de respuesta (total)69.56sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
69.56sTiempo de respuesta (promedio)…
102,165Total de tokens de entrada…
854Tokens de salida…
3,532Tokens 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.…
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)8.14sTiempo de respuesta (total)19.46sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.87sTiempo de respuesta (promedio)…
606Total de tokens de entrada…
171Tokens de salida…
1,982Tokens 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.…
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)14.64sTiempo de respuesta (máximo)23.54sTiempo de respuesta (total)43.92sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
14.64sTiempo de respuesta (promedio)…
7,302Total de tokens de entrada…
395Tokens de salida…
8,298Tokens 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.…
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)64.02sTiempo de respuesta (máximo)96.57sTiempo de respuesta (total)128.04sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
64.02sTiempo de respuesta (promedio)…
56,162Total de tokens de entrada…
3,313Tokens de salida…
18,967Tokens 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.…
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)4.78sTiempo de respuesta (máximo)4.82sTiempo de respuesta (total)9.56sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.78sTiempo de respuesta (promedio)…
7,140Total de tokens de entrada…
234Tokens de salida…
944Tokens 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.…
7.7Puntaje promedio en todas las pruebas de benchmark.…
10.0La 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.Tiempo agotado: 1Tiempo de respuesta (promedio)356.37sTiempo de respuesta (máximo)960.01sTiempo de respuesta (total)1069.12sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
356.37sTiempo de respuesta (promedio)…
420Total de tokens de entrada…
42Tokens de salida…
14,986Tokens 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.…
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)13.69sTiempo de respuesta (máximo)13.69sTiempo de respuesta (total)13.69sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
13.69sTiempo de respuesta (promedio)…
477Total de tokens de entrada…
110Tokens de salida…
1,823Tokens 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.…
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)6.34sTiempo de respuesta (máximo)8.87sTiempo de respuesta (total)12.67sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.34sTiempo de respuesta (promedio)…
660Total de tokens de entrada…
93Tokens de salida…
1,669Tokens 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.…
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)7.32sTiempo de respuesta (máximo)10.41sTiempo de respuesta (total)21.95sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.32sTiempo de respuesta (promedio)…
642Total de tokens de entrada…
201Tokens de salida…
2,765Tokens 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.…
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)20.65sTiempo de respuesta (máximo)20.65sTiempo de respuesta (total)20.65sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
20.65sTiempo de respuesta (promedio)…
5,454Total de tokens de entrada…
264Tokens de salida…
2,786Tokens 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.…
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)8.91sTiempo de respuesta (máximo)8.91sTiempo de respuesta (total)8.91sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.91sTiempo de respuesta (promedio)…
195Total de tokens de entrada…
30Tokens de salida…
1,157Tokens 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.…