AI BENCHY Compare

Modelos comparados

Resumen

Comparación benchmark Qwen3.6 35B A3B vs Qwen3.5-27B vs DeepSeek V4 FlashDeepSeek V4 Flash lidera en Puntuación con 8.3. Qwen3.6 35B A3B lidera en Fiabilidad con 10.0. DeepSeek V4 Flash tiene el Costo total más bajo con $0.027. Qwen3.6 35B A3B es el más rápido con 18.08s.

Modelo recomendado: DeepSeek V4 Flash - Tiene la mejor puntuación aquí (8.3) y cuesta aproximadamente 13.0x menos que los otros modelos de esta comparación.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-18

Métrica	Qwen3.6 35B A3B Qwen3.6 35B A3B medium Lanzamiento: 2026-04-20	Qwen3.5-27B Qwen3.5-27B medium Lanzamiento: 2026-02-24	DeepSeek V4 Flash DeepSeek V4 Flash high Lanzamiento: 2026-04-24

Métrica	Qwen3.6 35B A3B Qwen3.6 35B A3B medium Lanzamiento: 2026-04-20	Qwen3.5-27B Qwen3.5-27B medium Lanzamiento: 2026-02-24	DeepSeek V4 Flash DeepSeek V4 Flash high Lanzamiento: 2026-04-24
Puntuación	6.7	7.9	8.3
Rango	#75	#29	#23
Fiabilidad	10.0	10.0	10.0
Consistencia	9.6	8.5	8.5
Pruebas correctas
Tasa de aciertos por intento	63.5%	73.0%	74.6%
Pruebas inestables	1	4	4
Ejecuciones totales	63	63	63
Costo por resultado	1.094	4.901	0.299
Costo total	$0.146	$0.536	$0.027
Precio de entrada	$0.140 / 1M	$0.195 / 1M	$0.090 / 1M
Precio de salida	$1.000 / 1M	$1.560 / 1M	$0.180 / 1M
Total de tokens de entrada	16,385	42,164	39,745
Tokens de salida	19,632	8,534	10,310
Tokens de razonamiento	130,219	329,289	123,501
Tiempo de respuesta (promedio)	18.08s	68.39s	45.85s
Tiempo de respuesta (máximo)	86.11s	234.36s	218.13s
Tiempo de respuesta (total)	343.61s	1436.24s	962.79s

Generación showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#75 Qwen3.6 35B A3B

medium

SVG inválido

Coste: $0.000
Tiempo: 300.0s
Tokens: 0 tok

#29 Qwen3.5-27B

medium

Coste: $0.008
Tiempo: 62.0s
Tokens: 3,099 tok

#23 DeepSeek V4 Flash

high

Coste: $0.003
Tiempo: 93.1s
Tokens: 7,926 tok

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	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.6 35B A3B	10.0	10.0	100.0%	0	6.02s	672	1,154	12,385
Qwen3.5-27B	8.7	7.9	91.7%	1	19.75s	672	569	31,505
DeepSeek V4 Flash	8.3	10.0	75.0%	0	28.51s	540	140	7,770

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.6 35B A3B	7.7	10.0	66.7%	0	50.55s	5,051	7,929	37,223
Qwen3.5-27B	6.2	7.1	55.6%	1	160.69s	7,895	6,381	89,388
DeepSeek V4 Flash	7.8	10.0	66.7%	0	50.60s	7,279	395	34,862

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.6 35B A3B	3.0	10.0	0.0%	0ms	0	0	0
Qwen3.5-27B	10.0	10.0	100.0%	163.96s	14,946	483	9,991
DeepSeek V4 Flash	10.0	10.0	100.0%	76.57s	14,016	465	7,347

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.6 35B A3B	10.0	10.0	100.0%	12.99s	7,776	2,591	9,968
Qwen3.5-27B	10.0	10.0	100.0%	30.26s	7,782	270	16,150
DeepSeek V4 Flash	10.0	10.0	100.0%	28.03s	7,290	201	1,179

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.6 35B A3B	5.3	7.2	44.4%	1	22.50s	771	6,193	39,116
Qwen3.5-27B	5.3	10.0	33.3%	0	79.53s	553	43	52,368
DeepSeek V4 Flash	4.1	4.4	44.5%	2	100.31s	666	27	59,249

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.6 35B A3B	4.4	9.9	0.0%	0	8.66s	516	129	4,569
Qwen3.5-27B	6.1	3.1	66.7%	1	101.41s	524	70	23,147
DeepSeek V4 Flash	6.1	3.1	66.7%	1	25.15s	471	79	632

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.6 35B A3B	10.0	10.0	100.0%	7.50s	699	219	7,404
Qwen3.5-27B	10.0	10.0	100.0%	19.66s	699	97	11,638
DeepSeek V4 Flash	10.0	10.0	100.0%	15.36s	627	63	1,622

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.6 35B A3B	8.0	10.0	66.7%	0	5.95s	696	655	9,228
Qwen3.5-27B	8.2	7.7	77.8%	1	59.60s	696	242	70,096
DeepSeek V4 Flash	8.2	7.2	88.9%	1	26.11s	594	196	1,767

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.6 35B A3B	3.0	10.0	0.0%	0ms	0	0	0
Qwen3.5-27B	10.0	10.0	100.0%	7.45s	8,193	348	1,323
DeepSeek V4 Flash	10.0	10.0	100.0%	74.73s	8,079	228	542

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Qwen3.6 35B A3B	3.0	10.0	0.0%	32.90s	204	762	10,326
Qwen3.5-27B	3.0	10.0	0.0%	85.11s	204	31	23,683
DeepSeek V4 Flash	3.0	10.0	0.0%	54.46s	183	8,516	8,531

Comparación rápida

Cambiar par de comparación