Navegación
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Modelos comparados

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-04-14

Métrica Elephant Elephant none Lanzamiento: 2026-04-14 Qwen3.5-27B Qwen3.5-27B none Lanzamiento: 2026-02-24 Elephant Elephant medium Lanzamiento: 2026-04-14 Qwen3.5-27B Qwen3.5-27B medium Lanzamiento: 2026-02-24
Puntuación 5.2 5.9 5.2 8.4
Rango #81 #64 #77 #8
Consistencia 9.6 9.2 9.6 8.8
Pruebas correctas
Tasa de aciertos por intento 31.5% 38.9% 29.6% 81.5%
Pruebas inestables 1 2 1 3
Ejecuciones totales 54 54 54 54
Costo por resultado 0.000 0.265 0.000 3.822
Costo total $0.000 $0.016 $0.000 $0.497
Precio de entrada $0.000 / 1M $0.195 / 1M $0.000 / 1M $0.195 / 1M
Precio de salida $0.000 / 1M $1.560 / 1M $0.000 / 1M $1.560 / 1M
Tokens de salida 2,573 3,545 2,596 2,500
Tokens de razonamiento 0 0 0 242,500
Tiempo de respuesta (promedio) 1.23s 1.74s 1.27s 53.03s
Tiempo de respuesta (máximo) 3.81s 9.39s 3.70s 163.96s
Tiempo de respuesta (total) 22.16s 31.32s 22.82s 954.46s

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Elephant 6.6 10.0 50.0% 0 963ms 610 0
Qwen3.5-27B 4.8 10.0 25.0% 0 788ms 267 0
Elephant 6.6 10.0 50.0% 0 1.19s 815 0
Qwen3.5-27B 8.7 7.9 91.7% 1 19.75s 569 31,505
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Elephant 6.4 3.3 66.7% 1 1.39s 375 0
Qwen3.5-27B 10.0 10.0 100.0% 0 2.51s 381 0
Elephant 5.1 3.3 33.3% 1 1.30s 365 0
Qwen3.5-27B 10.0 10.0 100.0% 0 70.35s 375 19,165
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Elephant 3.0 10.0 0.0% 0 3.81s 731 0
Qwen3.5-27B 2.8 1.6 33.3% 1 9.39s 1,461 0
Elephant 3.0 10.0 0.0% 0 3.70s 562 0
Qwen3.5-27B 10.0 10.0 100.0% 0 163.96s 483 9,991
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Elephant 6.5 10.0 50.0% 0 1.04s 246 0
Qwen3.5-27B 10.0 10.0 100.0% 0 1.43s 243 0
Elephant 6.5 10.0 50.0% 0 979ms 246 0
Qwen3.5-27B 10.0 10.0 100.0% 0 30.26s 270 16,150
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Elephant 3.0 10.0 0.0% 0 927ms 24 0
Qwen3.5-27B 3.0 10.0 0.0% 0 540ms 15 0
Elephant 3.0 10.0 0.0% 0 925ms 24 0
Qwen3.5-27B 5.3 10.0 33.3% 0 79.53s 43 52,368
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Elephant 4.0 10.0 0.0% 0 854ms 106 0
Qwen3.5-27B 5.0 10.0 0.0% 0 2.51s 126 0
Elephant 4.3 10.0 0.0% 0 920ms 105 0
Qwen3.5-27B 6.1 3.1 66.7% 1 101.41s 70 23,147
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Elephant 9.8 10.0 100.0% 0 1.03s 81 0
Qwen3.5-27B 4.8 10.0 0.0% 0 815ms 69 0
Elephant 9.8 10.0 100.0% 0 987ms 82 0
Qwen3.5-27B 10.0 10.0 100.0% 0 19.66s 97 11,638
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Elephant 3.3 10.0 0.0% 0 849ms 170 0
Qwen3.5-27B 6.7 7.9 55.6% 1 1.37s 680 0
Elephant 3.7 10.0 0.0% 0 867ms 166 0
Qwen3.5-27B 8.2 7.7 77.8% 1 64.61s 245 77,213
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Elephant 3.0 10.0 0.0% 0 2.79s 230 0
Qwen3.5-27B 10.0 10.0 100.0% 0 3.54s 303 0
Elephant 3.0 10.0 0.0% 0 2.83s 231 0
Qwen3.5-27B 10.0 10.0 100.0% 0 7.45s 348 1,323

Comparación rápida

Cambiar par de comparación

ElephantmediumvsGrok 4.20nonegpt-oss-120bmediumDisponible gratisvsQwen3.5-27BnoneMistral Small 4nonevsElephantmediumgpt-oss-120bnoneDisponible gratisvsElephantmediumMiniMax M2.7mediumvsElephantnoneTrinity Large PreviewnoneDisponible gratisvsElephantmediumGPT-5.4 MininonevsElephantmediumElephantmediumvsQwen3 Coder NextnoneNemotron 3 SupernoneDisponible gratisvsElephantmediumMiniMax M2.5mediumDisponible gratisvsQwen3.5-27BnoneMistral Small 4mediumvsQwen3.5-27BnoneElephantmediumvsGLM 5 Turbonone