Inkling 2 Mini (local Q4) (low) vs GLM 5.1 (medium)
Inkling 2 Mini (local Q4) (low) lidera en puntuación media con 7.6 vs 7.5. Inkling 2 Mini (local Q4) (low) tiene menor coste de benchmark con ~$0.292 vs $1.546. GLM 5.1 (medium) es más rápido con 66.38s vs 153.99s, con tasas de acierto de 66.7% vs 66.7%.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en:
2026-11-22
Modelos comparados
Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
Rango
#202
Total de tokens de salida
129,600
Tiempo de respuesta (promedio)
153.99s
Costo total
~$0.292Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.9515 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.291818.
Rango
#207
Total de tokens de salida
245,833
Tiempo de respuesta (promedio)
66.38s
Costo total
$1.546
Modelo recomendadoInkling 2 Mini (local Q4) (low)
Tiene la mejor puntuación aquí (7.6) y cuesta aproximadamente 5.3x menos que GLM 5.1 (medium).
Comparación detallada
Métrica
Inkling 2 Mini (local Q4)Inkling 2 Mini (local Q4)lowLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.Lanzamiento: 2026-11-20
Inkling 2 Mini (local Q4)Inkling 2 Mini (local Q4)lowLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.Lanzamiento: 2026-11-20
7.6Puntaje promedio en todas las pruebas de benchmark.…
7.5Puntaje promedio en todas las pruebas de benchmark.…
Rango
#202
#207
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.…
9.2Puntuación 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
9.6La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
8.4La 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: 5No siguió las instrucciones: 1Sin respuesta: 1Tiempo agotado: 1Tiempo de respuesta (promedio)153.99sTiempo de respuesta (máximo)1963.67sTiempo de respuesta (total)3541.85sUna 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: 5Tiempo agotado: 2Error de API: 1Formato extra: 1Sin respuesta: 1Tiempo de respuesta (promedio)66.38sTiempo de respuesta (máximo)308.75sTiempo de respuesta (total)1460.31sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
Tasa de aciertos por intento
66.7%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
66.7%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
1Pruebas 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
69Ejecuciones totales…
69Ejecuciones totales…
Costo por resultado
~1.946Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.9515 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.291818.
9.004
Costo total
~$0.292Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.9515 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.291818.
$1.546
Precio de entrada
N/DPrecio de entrada…
$1.400 / 1MPrecio de entrada…
Precio de salida
N/DPrecio de salida…
$4.400 / 1MPrecio de salida…
Precio de lectura de caché
N/DPrecio de lectura de caché…
$0.260 / 1MPrecio de lectura de caché…
Precio de escritura de caché
N/DPrecio de escritura de caché…
N/DPrecio de escritura de caché…
Total de tokens de entrada
312,366Total de tokens de entrada…
331,577Total de tokens de entrada…
Tokens de salida
1,631Tokens de salida…
17,919Tokens de salida…
Tokens de razonamiento
127,969Tokens de razonamiento…
230,789Tokens de razonamiento…
Tiempo de respuesta (promedio)
153.99sTiempo de respuesta (promedio)…
66.38sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
1963.67sTiempo de respuesta (máximo)…
308.75sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
3541.85sTiempo de respuesta (total)…
1460.31sTiempo de respuesta (total)…
Parámetros
26.4B en total (3.4B activos)
744B en total (40B activos)
Disponibilidad
Código abierto
Código abierto
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.
#202 Thinking Machines: Inkling 2 Mini (local Q4)
lowLas respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
Coste
~$0.003Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.0237 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.002347.
Tiempo
85.5s
Tokens
2,977 tok
#207 GLM 5.1
medium
Reached the allocated time limit (300 seconds) without receiving showcase output.
Coste
$0.000
Tiempo
300.0s
Tokens
0 tok
Rango
-
Coste
-
Tiempo
-
Tokens
-
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
Tareas de agentes
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · 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)58.97sTiempo de respuesta (máximo)58.97sTiempo de respuesta (total)58.97sUna 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)225.59sTiempo de respuesta (máximo)225.59sTiempo de respuesta (total)225.59sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
225.59sTiempo de respuesta (promedio)…
248,985Total de tokens de entrada…
1,830Tokens de salida…
30,989Tokens de razonamiento…
Trucos anti-IA
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · 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)5.40sTiempo de respuesta (máximo)8.07sTiempo de respuesta (total)21.60sUna 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)8.31sTiempo de respuesta (máximo)14.20sTiempo de respuesta (total)33.24sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.31sTiempo de respuesta (promedio)…
555Total de tokens de entrada…
401Tokens de salida…
5,122Tokens de razonamiento…
Programación
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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)831.97sTiempo de respuesta (máximo)1963.67sTiempo de respuesta (total)2495.90sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
4.6Puntaje promedio en todas las pruebas de benchmark.…
3.7La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
44.5%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.Formato extra: 1Tiempo agotado: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)109.63sTiempo de respuesta (máximo)172.60sTiempo de respuesta (total)328.90sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
109.63sTiempo de respuesta (promedio)…
5,702Total de tokens de entrada…
4,871Tokens de salida…
37,826Tokens de razonamiento…
Combinado
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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.Sin respuesta: 1Tiempo de respuesta (promedio)123.84sTiempo de respuesta (máximo)227.77sTiempo de respuesta (total)247.69sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
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)175.93sTiempo de respuesta (máximo)308.75sTiempo de respuesta (total)351.86sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
175.93sTiempo de respuesta (promedio)…
66,926Total de tokens de entrada…
4,761Tokens de salida…
65,248Tokens de razonamiento…
Análisis y extracción de datos
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · 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)20.83sTiempo de respuesta (máximo)21.70sTiempo de respuesta (total)41.66sUna 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)9.33sTiempo de respuesta (máximo)9.40sTiempo de respuesta (total)18.66sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
9.33sTiempo de respuesta (promedio)…
7,107Total de tokens de entrada…
991Tokens de salida…
4,552Tokens de razonamiento…
Específico del dominio
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)198.65sTiempo de respuesta (máximo)335.23sTiempo de respuesta (total)595.96sUna 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.Sin respuesta: 1Tiempo agotado: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)113.95sTiempo de respuesta (máximo)280.46sTiempo de respuesta (total)341.86sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
113.95sTiempo de respuesta (promedio)…
458Total de tokens de entrada…
969Tokens de salida…
74,651Tokens de razonamiento…
Inteligencia general
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
5.5Puntaje 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)5.55sTiempo de respuesta (máximo)5.55sTiempo de respuesta (total)5.55sUna 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)20.95sTiempo de respuesta (máximo)20.95sTiempo de respuesta (total)20.95sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
20.95sTiempo de respuesta (promedio)…
477Total de tokens de entrada…
2,875Tokens de salida…
2,875Tokens de razonamiento…
Seguimiento de instrucciones
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · 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)5.10sTiempo de respuesta (máximo)5.52sTiempo de respuesta (total)10.21sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
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.Respuesta incorrecta: 1Tiempo de respuesta (promedio)7.47sTiempo de respuesta (máximo)10.16sTiempo de respuesta (total)14.94sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
7.47sTiempo de respuesta (promedio)…
634Total de tokens de entrada…
204Tokens de salida…
1,617Tokens de razonamiento…
Resolución de acertijos
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
5.8Puntaje 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.No siguió las instrucciones: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)10.51sTiempo de respuesta (máximo)14.31sTiempo de respuesta (total)31.52sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
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)31.64sTiempo de respuesta (máximo)46.04sTiempo de respuesta (total)94.91sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
31.64sTiempo de respuesta (promedio)…
609Total de tokens de entrada…
935Tokens de salida…
5,730Tokens de razonamiento…
Llamada de herramientas
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · 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)7.53sTiempo de respuesta (máximo)7.53sTiempo de respuesta (total)7.53sUna 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.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…
Cultura general
Puntuación
Consistencia
Tasa de aciertos por intento
Pruebas inestables
Pruebas correctas
Tiempo de respuesta (promedio)
Tokens de entrada
Tokens de salida
Tokens de razonamiento
Inkling 2 Mini (local Q4)Las respuestas del modelo candidato se generaron en hardware local. OpenRouter se usó solo para evaluar. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · 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)25.28sTiempo de respuesta (máximo)25.28sTiempo de respuesta (total)25.28sUna 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)29.40sTiempo de respuesta (máximo)29.40sTiempo de respuesta (total)29.40sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…