La puntuación media está prácticamente empatada en 7.6 vs 7.6. GPT-6 Luna (low) tiene menor coste de benchmark con $0.033 vs ~$0.047. GPT-6 Luna (low) es más rápido con 23.23s vs 24.79s, con tasas de acierto de 63.8% vs 75.4%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-10-05
Modelos comparados
Rango
#120
Total de tokens de salida
24,880
Tiempo de respuesta (promedio)
23.23s
Costo total
$0.033
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 (low)
Tiene la puntuación más alta en esta comparación (7.6) 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
7.6Puntaje promedio en todas las pruebas de benchmark.…
7.6Puntaje promedio en todas las pruebas de benchmark.…
Rango
#120
#119
Fiabilidad
9.7Puntuación 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
8.5La 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: 7Error de API: 2No siguió las instrucciones: 1Sin respuesta: 1Tiempo de respuesta (promedio)23.23sTiempo de respuesta (máximo)89.37sTiempo de respuesta (total)534.22sUna 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
63.8%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
0.267
~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
$0.033
~$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
195,928Total de tokens de entrada…
278,792Total de tokens de entrada…
Tokens de salida
5,728Tokens de salida…
1,695Tokens de salida…
Tokens de razonamiento
19,152Tokens de razonamiento…
142,270Tokens de razonamiento…
Tiempo de respuesta (promedio)
23.23sTiempo de respuesta (promedio)…
24.79sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
89.37sTiempo de respuesta (máximo)…
159.62sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
534.22sTiempo 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.
#120 GPT-6 Luna
low
Coste
$0.002
Tiempo
19.2s
Tokens
2,598 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.
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)51.03sTiempo de respuesta (máximo)51.03sTiempo de respuesta (total)51.03sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
51.03sTiempo de respuesta (promedio)…
115,769Total de tokens de entrada…
1,105Tokens de salida…
1,170Tokens 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.
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.…
6.9Puntaje promedio en todas las pruebas de benchmark.…
7.9La 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.Error de API: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)11.00sTiempo de respuesta (máximo)21.96sTiempo de respuesta (total)44.00sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
11.00sTiempo de respuesta (promedio)…
554Total de tokens de entrada…
130Tokens de salida…
704Tokens 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.…
6.0Puntaje 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)15.39sTiempo de respuesta (máximo)23.64sTiempo de respuesta (total)46.16sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
15.39sTiempo de respuesta (promedio)…
7,302Total de tokens de entrada…
493Tokens de salida…
6,655Tokens 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.…
7.3Puntaje promedio en todas las pruebas de benchmark.…
5.8La 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.Sin respuesta: 1Tiempo de respuesta (promedio)49.77sTiempo de respuesta (máximo)89.37sTiempo de respuesta (total)99.54sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
49.77sTiempo de respuesta (promedio)…
57,227Total de tokens de entrada…
3,023Tokens de salida…
2,271Tokens 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)9.94sTiempo de respuesta (máximo)17.89sTiempo de respuesta (total)19.89sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
9.94sTiempo de respuesta (promedio)…
7,140Total de tokens de entrada…
234Tokens de salida…
250Tokens 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.…
5.3Puntaje promedio en todas las pruebas de benchmark.…
10.0La 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.…
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: 2Tiempo de respuesta (promedio)18.09sTiempo de respuesta (máximo)27.87sTiempo de respuesta (total)54.28sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
18.09sTiempo de respuesta (promedio)…
628Total de tokens de entrada…
62Tokens de salida…
5,990Tokens 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.…
4.4Puntaje promedio en todas las pruebas de benchmark.…
9.9La 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)1.46sTiempo de respuesta (máximo)1.46sTiempo de respuesta (total)1.46sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.46sTiempo de respuesta (promedio)…
477Total de tokens de entrada…
102Tokens 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.
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.…
7.1Puntaje promedio en todas las pruebas de benchmark.…
5.8La 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.Error de API: 1Tiempo de respuesta (promedio)17.38sTiempo de respuesta (máximo)17.50sTiempo de respuesta (total)34.76sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
17.38sTiempo de respuesta (promedio)…
540Total de tokens de entrada…
84Tokens de salida…
250Tokens 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.…
7.7Puntaje 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)27.45sTiempo de respuesta (máximo)30.30sTiempo de respuesta (total)82.36sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
27.45sTiempo de respuesta (promedio)…
642Total de tokens de entrada…
213Tokens de salida…
1,272Tokens 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)71.65sTiempo de respuesta (máximo)71.65sTiempo de respuesta (total)71.65sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
71.65sTiempo de respuesta (promedio)…
5,454Total de tokens de entrada…
254Tokens de salida…
152Tokens 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)29.10sTiempo de respuesta (máximo)29.10sTiempo de respuesta (total)29.10sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
29.10sTiempo de respuesta (promedio)…
195Total de tokens de entrada…
28Tokens de salida…
438Tokens 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.…