Comparación benchmark Qwen3.5 Plus 2026-02-15 (medium) vs Qwen3.6 Plus Preview (medium) vs GLM 5 Turbo (medium):GLM 5 Turbo (medium) lidera en Puntuación con 7.6. Qwen3.5 Plus 2026-02-15 (medium) lidera en Fiabilidad con 10.0. Qwen3.6 Plus Preview (medium) tiene el Costo total más bajo con $0.000. Qwen3.6 Plus Preview (medium) es el más rápido con 15.25s.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-09-29
Modelos comparados
Rango
#131
Total de tokens de salida
274,709
Tiempo de respuesta (promedio)
91.76s
Costo total
$0.459
Rango
#324
Total de tokens de salida
63,350
Tiempo de respuesta (promedio)
15.25s
Costo total
$0.000
Rango
#119
Total de tokens de salida
74,522
Tiempo de respuesta (promedio)
23.00s
Costo total
$0.323
Modelo recomendadoGLM 5 Turbo (medium)
Tiene la mejor puntuación aquí (7.6) y responde aproximadamente 2.3x más rápido que los otros modelos de esta comparación.
Qwen3.6 Plus PreviewQwen3.6 Plus PreviewmediumModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.Lanzamiento: 2026-04-20Disponible gratis
GLM 5 TurboGLM 5 TurbomediumModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.Lanzamiento: 2026-03-15
Qwen3.6 Plus PreviewQwen3.6 Plus PreviewmediumModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.Lanzamiento: 2026-04-20Disponible gratis
GLM 5 TurboGLM 5 TurbomediumModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.Lanzamiento: 2026-03-15
Puntuación
7.5Puntaje promedio en todas las pruebas de benchmark.…
4.9Puntaje promedio en todas las pruebas de benchmark.…
7.6Puntaje promedio en todas las pruebas de benchmark.…
Rango
#131
#324
#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.…
N/DPuntuación 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
8.1La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
8.6La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
8.1La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
Una prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.Error de API: 8Respuesta incorrecta: 2Tiempo de respuesta (promedio)15.25sTiempo de respuesta (máximo)43.55sTiempo de respuesta (total)182.96sUna 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: 4No siguió las instrucciones: 1Sin respuesta: 1Tiempo agotado: 1Tiempo de respuesta (promedio)23.00sTiempo de respuesta (máximo)194.23sTiempo de respuesta (total)482.97sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
72.7%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
40.9%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
71.2%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
5Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
0Pruebas 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
66Ejecuciones totales…
57Ejecuciones totales…
63Ejecuciones totales…
Costo por resultado
3.483
0.000
2.011
Costo total
$0.459
$0.000
$0.323
Precio de entrada
$0.260 / 1MPrecio de entrada…
$0.000 / 1MPrecio de entrada…
$1.200 / 1MPrecio de entrada…
Precio de salida
$1.560 / 1MPrecio de salida…
$0.000 / 1MPrecio de salida…
$4.000 / 1MPrecio de salida…
Total de tokens de entrada
113,569Total de tokens de entrada…
32,639Total de tokens de entrada…
35,593Total de tokens de entrada…
Tokens de salida
9,823Tokens de salida…
1,153Tokens de salida…
12,245Tokens de salida…
Tokens de razonamiento
264,886Tokens de razonamiento…
62,197Tokens de razonamiento…
62,277Tokens de razonamiento…
Tiempo de respuesta (promedio)
91.76sTiempo de respuesta (promedio)…
15.25sTiempo de respuesta (promedio)…
23.00sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
304.85sTiempo de respuesta (máximo)…
43.55sTiempo de respuesta (máximo)…
194.23sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
1376.42sTiempo de respuesta (total)…
182.96sTiempo de respuesta (total)…
482.97sTiempo de respuesta (total)…
Parámetros
~397B en total (~17B activos)
~397B en total (~17B activos)
744B en total (40B activos)
Disponibilidad
Código cerrado
Código cerrado
Código cerrado
Generación showcase de modelos
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#131 Qwen3.5 Plus 2026-02-15
medium
Coste
$0.011
Tiempo
125.5s
Tokens
7,040 tok
#324 Qwen3.6 Plus Preview
medium
Aún no se ha generado ningún resultado showcase para este modelo.
8.2Puntaje promedio en todas las pruebas de benchmark.…
7.9La 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)45.78sTiempo de respuesta (máximo)81.20sTiempo de respuesta (total)91.57sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
45.78sTiempo de respuesta (promedio)…
672Total de tokens de entrada…
205Tokens de salida…
21,236Tokens de razonamiento…
Qwen3.6 Plus PreviewModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
8.3Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
75.0%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.Error de API: 1Tiempo de respuesta (promedio)11.69sTiempo de respuesta (máximo)19.37sTiempo de respuesta (total)35.08sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
11.69sTiempo de respuesta (promedio)…
501Total de tokens de entrada…
61Tokens de salida…
5,812Tokens de razonamiento…
GLM 5 TurboModelo 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)4.82sTiempo de respuesta (máximo)7.69sTiempo de respuesta (total)19.26sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.6Puntaje promedio en todas las pruebas de benchmark.…
7.1La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
44.4%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)180.70sTiempo de respuesta (máximo)266.69sTiempo de respuesta (total)542.10sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
180.70sTiempo de respuesta (promedio)…
6,950Total de tokens de entrada…
420Tokens de salida…
80,595Tokens de razonamiento…
Qwen3.6 Plus PreviewModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
9.8Puntaje promedio en todas las pruebas de benchmark.…
3.3La 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.Error de API: 1Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0msTiempo de respuesta (promedio)…
0Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
8.2Puntaje promedio en todas las pruebas de benchmark.…
9.3La 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.Sin respuesta: 1Tiempo de respuesta (promedio)45.90sTiempo de respuesta (máximo)95.57sTiempo de respuesta (total)137.71sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
6.9Puntaje promedio en todas las pruebas de benchmark.…
5.9La 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.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)175.85sTiempo de respuesta (máximo)304.85sTiempo de respuesta (total)351.70sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
175.85sTiempo de respuesta (promedio)…
87,576Total de tokens de entrada…
8,085Tokens de salida…
69,183Tokens de razonamiento…
Qwen3.6 Plus PreviewModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
5.0Puntaje promedio en todas las pruebas de benchmark.…
5.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
50.0%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)34.95sTiempo de respuesta (máximo)34.95sTiempo de respuesta (total)34.95sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
34.95sTiempo de respuesta (promedio)…
14,934Total de tokens de entrada…
452Tokens de salida…
13,073Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
5.0Puntaje promedio en todas las pruebas de benchmark.…
5.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
50.0%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)13.88sTiempo de respuesta (máximo)13.88sTiempo de respuesta (total)13.88sUna 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)46.91sTiempo de respuesta (máximo)46.91sTiempo de respuesta (total)46.91sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
46.91sTiempo de respuesta (promedio)…
7,782Total de tokens de entrada…
270Tokens de salida…
14,916Tokens de razonamiento…
Qwen3.6 Plus PreviewModelo 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)14.95sTiempo de respuesta (máximo)15.40sTiempo de respuesta (total)29.90sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
14.95sTiempo de respuesta (promedio)…
7,782Total de tokens de entrada…
270Tokens de salida…
10,706Tokens de razonamiento…
GLM 5 TurboModelo 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)6.19sTiempo de respuesta (máximo)6.42sTiempo de respuesta (total)12.38sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.3Puntaje promedio en todas las pruebas de benchmark.…
7.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
44.4%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.Tiempo agotado: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)55.99sTiempo de respuesta (máximo)55.99sTiempo de respuesta (total)55.99sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
55.99sTiempo de respuesta (promedio)…
453Total de tokens de entrada…
35Tokens de salida…
30,685Tokens de razonamiento…
Qwen3.6 Plus PreviewModelo 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.Respuesta incorrecta: 2Error de API: 1Tiempo de respuesta (promedio)22.08sTiempo de respuesta (máximo)43.55sTiempo de respuesta (total)66.23sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
22.08sTiempo de respuesta (promedio)…
665Total de tokens de entrada…
49Tokens de salida…
26,895Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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: 2Tiempo agotado: 1Tiempo de respuesta (promedio)71.07sTiempo de respuesta (máximo)194.23sTiempo de respuesta (total)213.22sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.7Puntaje promedio en todas las pruebas de benchmark.…
1.6La 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.Tiempo agotado: 1Tiempo de respuesta (promedio)79.86sTiempo de respuesta (máximo)79.86sTiempo de respuesta (total)79.86sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
79.86sTiempo de respuesta (promedio)…
344Total de tokens de entrada…
73Tokens de salida…
8,675Tokens de razonamiento…
Qwen3.6 Plus PreviewModelo 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.Error de API: 1Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0msTiempo de respuesta (promedio)…
0Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
6.1Puntaje promedio en todas las pruebas de benchmark.…
3.1La 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)10.05sTiempo de respuesta (máximo)10.05sTiempo de respuesta (total)10.05sUna 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)31.93sTiempo de respuesta (máximo)31.93sTiempo de respuesta (total)31.93sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
31.93sTiempo de respuesta (promedio)…
699Total de tokens de entrada…
101Tokens de salida…
7,704Tokens de razonamiento…
Qwen3.6 Plus PreviewModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
6.5Puntaje promedio en todas las pruebas de benchmark.…
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
50.0%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.Error de API: 1Tiempo de respuesta (promedio)3.40sTiempo de respuesta (máximo)3.40sTiempo de respuesta (total)3.40sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.40sTiempo de respuesta (promedio)…
381Total de tokens de entrada…
27Tokens de salida…
1,383Tokens de razonamiento…
GLM 5 TurboModelo 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)5.38sTiempo de respuesta (máximo)5.70sTiempo de respuesta (total)10.77sUna 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)32.50sTiempo de respuesta (máximo)49.12sTiempo de respuesta (total)65.01sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
32.50sTiempo de respuesta (promedio)…
696Total de tokens de entrada…
301Tokens de salida…
13,853Tokens de razonamiento…
Qwen3.6 Plus PreviewModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
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.Error de API: 2Tiempo de respuesta (promedio)7.52sTiempo de respuesta (máximo)7.52sTiempo de respuesta (total)7.52sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.52sTiempo de respuesta (promedio)…
183Total de tokens de entrada…
27Tokens de salida…
2,998Tokens de razonamiento…
GLM 5 TurboModelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
8.7Puntaje promedio en todas las pruebas de benchmark.…
7.9La 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)5.23sTiempo de respuesta (máximo)7.26sTiempo de respuesta (total)15.69sUna 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)7.54sTiempo de respuesta (máximo)7.54sTiempo de respuesta (total)7.54sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.54sTiempo de respuesta (promedio)…
8,193Total de tokens de entrada…
309Tokens de salida…
909Tokens de razonamiento…
Qwen3.6 Plus PreviewModelo 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)5.87sTiempo de respuesta (máximo)5.87sTiempo de respuesta (total)5.87sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.87sTiempo de respuesta (promedio)…
8,193Total de tokens de entrada…
267Tokens de salida…
1,330Tokens de razonamiento…
GLM 5 TurboModelo 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)9.84sTiempo de respuesta (máximo)9.84sTiempo de respuesta (total)9.84sUna 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)103.81sTiempo de respuesta (máximo)103.81sTiempo de respuesta (total)103.81sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
103.81sTiempo de respuesta (promedio)…
204Total de tokens de entrada…
24Tokens de salida…
17,130Tokens de razonamiento…
Qwen3.6 Plus PreviewModelo 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.Error de API: 1Tiempo de respuesta (promedio)0msTiempo de respuesta (máximo)0msTiempo de respuesta (total)0msUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
0msTiempo de respuesta (promedio)…
0Total de tokens de entrada…
0Tokens de salida…
0Tokens de razonamiento…
GLM 5 TurboModelo 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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)40.17sTiempo de respuesta (máximo)40.17sTiempo de respuesta (total)40.17sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…