GPT-6 Luna (high) lidera en puntuación media con 7.7 vs 7.6. Qwen3.8 Flash Next (medium) tiene menor coste de benchmark con ~$0.047 vs $0.074. GPT-6 Luna (high) es más rápido con 20.37s vs 24.79s, con tasas de acierto de 73.9% vs 75.4%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-10-05
Modelos comparados
Rango
#114
Total de tokens de salida
101,587
Tiempo de respuesta (promedio)
20.37s
Costo total
$0.074
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
#119
Total de tokens de salida
143,965
Tiempo de respuesta (promedio)
24.79s
Costo total
~$0.047Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.
Modelo recomendadoGPT-6 Luna (high)
Tiene la puntuación más alta en esta comparación (7.7) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.
Qwen3.8 Flash NextQwen3.8 Flash NextmediumLas 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
7.7Puntaje promedio en todas las pruebas de benchmark.…
7.6Puntaje promedio en todas las pruebas de benchmark.…
Rango
#114
#119
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
8.7La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
7.9La 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: 6No siguió las instrucciones: 1Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)20.37sTiempo de respuesta (máximo)106.93sTiempo de respuesta (total)468.52sUna 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: 6No siguió las instrucciones: 1Sin respuesta: 1Tiempo de respuesta (promedio)24.79sTiempo de respuesta (máximo)159.62sTiempo de respuesta (total)570.26sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
73.9%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
75.4%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
4Pruebas 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
0.492
~0.314Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.
Costo total
$0.074
~$0.047Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.
Precio de entrada
$0.100 / 1MPrecio de entrada…
N/DPrecio de entrada…
Precio de salida
$0.500 / 1MPrecio de salida…
N/DPrecio de salida…
Precio de lectura de caché
$0.010 / 1MPrecio de lectura de caché…
N/DPrecio de lectura de caché…
Precio de escritura de caché
$0.125 / 1MPrecio de escritura de caché…
N/DPrecio de escritura de caché…
Total de tokens de entrada
229,986Total de tokens de entrada…
278,792Total de tokens de entrada…
Tokens de salida
6,037Tokens de salida…
1,695Tokens de salida…
Tokens de razonamiento
95,550Tokens de razonamiento…
142,270Tokens de razonamiento…
Tiempo de respuesta (promedio)
20.37sTiempo de respuesta (promedio)…
24.79sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
106.93sTiempo de respuesta (máximo)…
159.62sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
468.52sTiempo de respuesta (total)…
570.26sTiempo de respuesta (total)…
Parámetros
~400B en total (~17B 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.
#114 GPT-6 Luna
high
Coste
$0.003
Tiempo
49.2s
Tokens
5,231 tok
#119 Qwen3.8 Flash Next
mediumLas 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: 0.0113 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.001119.
5.2Puntaje 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.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)82.78sTiempo de respuesta (máximo)82.78sTiempo de respuesta (total)82.78sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
82.78sTiempo de respuesta (promedio)…
149,545Total de tokens de entrada…
1,276Tokens de salida…
8,906Tokens 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)159.62sTiempo de respuesta (máximo)159.62sTiempo de respuesta (total)159.62sUna 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)2.64sTiempo de respuesta (máximo)3.26sTiempo de respuesta (total)10.56sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.64sTiempo de respuesta (promedio)…
606Total de tokens de entrada…
159Tokens de salida…
1,358Tokens 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)1.81sTiempo de respuesta (máximo)2.74sTiempo de respuesta (total)7.24sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.8Puntaje promedio en todas las pruebas de benchmark.…
7.4La 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)24.69sTiempo de respuesta (máximo)33.57sTiempo de respuesta (total)74.07sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
24.69sTiempo de respuesta (promedio)…
7,302Total de tokens de entrada…
483Tokens de salida…
15,691Tokens 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)45.53sTiempo de respuesta (máximo)98.91sTiempo de respuesta (total)136.59sUna 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)21.53sTiempo de respuesta (máximo)28.77sTiempo de respuesta (total)43.07sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
21.53sTiempo de respuesta (promedio)…
57,233Total de tokens de entrada…
3,111Tokens de salida…
6,658Tokens 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.
6.4Puntaje promedio en todas las pruebas de benchmark.…
5.8La 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.Sin respuesta: 1Tiempo de respuesta (promedio)76.72sTiempo de respuesta (máximo)116.08sTiempo de respuesta (total)153.43sUna 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)24.50sTiempo de respuesta (máximo)27.15sTiempo de respuesta (total)48.99sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
24.50sTiempo de respuesta (promedio)…
7,140Total de tokens de entrada…
234Tokens de salida…
352Tokens 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)6.65sTiempo de respuesta (máximo)7.50sTiempo de respuesta (total)13.31sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.9Puntaje promedio en todas las pruebas de benchmark.…
7.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
55.6%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)51.14sTiempo de respuesta (máximo)106.93sTiempo de respuesta (total)153.41sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
51.14sTiempo de respuesta (promedio)…
732Total de tokens de entrada…
70Tokens de salida…
55,170Tokens 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.
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: 3Tiempo de respuesta (promedio)17.29sTiempo de respuesta (máximo)18.55sTiempo de respuesta (total)51.86sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.1Puntaje 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)17.40sTiempo de respuesta (máximo)17.40sTiempo de respuesta (total)17.40sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
17.40sTiempo de respuesta (promedio)…
477Total de tokens de entrada…
96Tokens de salida…
373Tokens 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.
4.8Puntaje 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)7.29sTiempo de respuesta (máximo)7.29sTiempo de respuesta (total)7.29sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.4Puntaje 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)1.92sTiempo de respuesta (máximo)2.04sTiempo de respuesta (total)3.84sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.92sTiempo de respuesta (promedio)…
660Total de tokens de entrada…
91Tokens de salida…
420Tokens 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)2.04sTiempo de respuesta (máximo)2.85sTiempo de respuesta (total)4.09sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.8Puntaje 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.51sTiempo de respuesta (máximo)13.60sTiempo de respuesta (total)22.53sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.51sTiempo de respuesta (promedio)…
642Total de tokens de entrada…
231Tokens de salida…
4,988Tokens 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.
8.2Puntaje 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.23sTiempo de respuesta (máximo)2.98sTiempo de respuesta (total)6.69sUna 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)6.96sTiempo de respuesta (máximo)6.96sTiempo de respuesta (total)6.96sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.96sTiempo de respuesta (promedio)…
5,454Total de tokens de entrada…
256Tokens de salida…
261Tokens 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)5.75sTiempo de respuesta (máximo)5.75sTiempo de respuesta (total)5.75sUna 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)4.90sTiempo de respuesta (máximo)4.90sTiempo de respuesta (total)4.90sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.90sTiempo de respuesta (promedio)…
195Total de tokens de entrada…
30Tokens de salida…
1,373Tokens 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)24.39sTiempo de respuesta (máximo)24.39sTiempo de respuesta (total)24.39sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…