Inkling 2 Mini (local Q4) (minimal) vs MiMo-V2.6-Pro (medium)
La puntuación media está prácticamente empatada en 8.7 vs 8.7. Inkling 2 Mini (local Q4) (minimal) tiene menor coste de benchmark con ~$0.206 vs $0.586. Inkling 2 Mini (local Q4) (minimal) es más rápido con 108.28s vs 148.11s, con tasas de acierto de 73.9% vs 78.3%.
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
#108
Total de tokens de salida
219,084
Tiempo de respuesta (promedio)
108.28s
Costo total
~$0.206Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.0753 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.205185.
Rango
#105
Total de tokens de salida
523,674
Tiempo de respuesta (promedio)
148.11s
Costo total
$0.586
Modelo recomendadoInkling 2 Mini (local Q4) (minimal)
Tiene la mejor puntuación aquí (8.7) y cuesta aproximadamente 2.9x menos que MiMo-V2.6-Pro (medium).
Comparación detallada
Métrica
Inkling 2 Mini (local Q4)Inkling 2 Mini (local Q4)minimalLas 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)minimalLas 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
8.7Puntaje promedio en todas las pruebas de benchmark.…
8.7Puntaje promedio en todas las pruebas de benchmark.…
Rango
#108
#105
Fiabilidad
9.8Puntuación 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.…
9.5Puntuación 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
10.0La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
7.6La 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: 4No siguió las instrucciones: 1Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)108.28sTiempo de respuesta (máximo)1322.88sTiempo de respuesta (total)2490.37sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
73.9%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
78.3%Tasa de aciertos por intento = intentos correctos / intentos totales en todas las ejecuciones.…
Pruebas inestables
0Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
7Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).…
Ejecuciones totales
69Ejecuciones totales…
69Ejecuciones totales…
Costo por resultado
~1.207Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.0753 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.205185.
4.182
Costo total
~$0.206Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 2.0753 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.205185.
$0.586
Precio de entrada
N/DPrecio de entrada…
$0.435 / 1MPrecio de entrada…
Precio de salida
N/DPrecio de salida…
$0.870 / 1MPrecio de salida…
Precio de lectura de caché
N/DPrecio de lectura de caché…
$0.004 / 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
309,808Total de tokens de entrada…
298,476Total de tokens de entrada…
Tokens de salida
1,579Tokens de salida…
7,762Tokens de salida…
Tokens de razonamiento
217,505Tokens de razonamiento…
515,918Tokens de razonamiento…
Tiempo de respuesta (promedio)
108.28sTiempo de respuesta (promedio)…
148.11sTiempo de respuesta (promedio)…
Tiempo de respuesta (máximo)
1322.88sTiempo de respuesta (máximo)…
904.91sTiempo de respuesta (máximo)…
Tiempo de respuesta (total)
2490.37sTiempo de respuesta (total)…
3406.53sTiempo de respuesta (total)…
Parámetros
26.4B en total (3.4B activos)
1.02T en total (42B 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.
#108 Thinking Machines: Inkling 2 Mini (local Q4)
minimalLas 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
~$0.002Solo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.0188 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.001862.
Tiempo
67.8s
Tokens
2,348 tok
#105 MiMo-V2.6-Pro
medium
Coste
$0.012
Tiempo
185.6s
Tokens
13,493 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)59.04sTiempo de respuesta (máximo)59.04sTiempo de respuesta (total)59.04sUna 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)161.45sTiempo de respuesta (máximo)161.45sTiempo de respuesta (total)161.45sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
161.45sTiempo de respuesta (promedio)…
207,990Total de tokens de entrada…
1,193Tokens de salida…
20,044Tokens 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)6.20sTiempo de respuesta (máximo)10.50sTiempo de respuesta (total)24.78sUna 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.…
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: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)2.76sTiempo de respuesta (máximo)4.92sTiempo de respuesta (total)11.02sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.76sTiempo de respuesta (promedio)…
621Total de tokens de entrada…
326Tokens de salida…
1,342Tokens 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.
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)225.36sTiempo de respuesta (máximo)477.83sTiempo de respuesta (total)676.09sUna 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.Formato extra: 1Tiempo de respuesta (promedio)150.44sTiempo de respuesta (máximo)390.15sTiempo de respuesta (total)451.33sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
150.44sTiempo de respuesta (promedio)…
7,422Total de tokens de entrada…
785Tokens de salida…
94,571Tokens 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.
6.4Puntaje 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.Llamada de herramienta no válida: 1Tiempo de respuesta (promedio)671.08sTiempo de respuesta (máximo)1322.88sTiempo de respuesta (total)1342.15sUna 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)50.80sTiempo de respuesta (máximo)77.07sTiempo de respuesta (total)101.61sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
50.80sTiempo de respuesta (promedio)…
65,640Total de tokens de entrada…
4,086Tokens de salida…
25,278Tokens 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)28.12sTiempo de respuesta (máximo)35.26sTiempo de respuesta (total)56.25sUna 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)2.71sTiempo de respuesta (máximo)3.20sTiempo de respuesta (total)5.41sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.71sTiempo de respuesta (promedio)…
7,746Total de tokens de entrada…
258Tokens de salida…
851Tokens 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)88.16sTiempo de respuesta (máximo)147.25sTiempo de respuesta (total)264.48sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.9Puntaje promedio en todas las pruebas de benchmark.…
7.2La consistencia refleja la estabilidad entre ejecuciones (10 = muy consistente, incluso si es consistentemente incorrecto).…
11.1%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.Formato extra: 1Tiempo agotado: 1Respuesta incorrecta: 1Tiempo de respuesta (promedio)619.70sTiempo de respuesta (máximo)904.91sTiempo de respuesta (total)1859.09sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
619.70sTiempo de respuesta (promedio)…
549Total de tokens de entrada…
26Tokens de salida…
179,307Tokens 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.
5.3Puntaje 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)6.44sTiempo de respuesta (máximo)6.44sTiempo de respuesta (total)6.44sUna 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)5.70sTiempo de respuesta (máximo)5.70sTiempo de respuesta (total)5.70sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
5.70sTiempo de respuesta (promedio)…
492Total de tokens de entrada…
134Tokens de salida…
701Tokens 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)5.25sTiempo de respuesta (máximo)5.70sTiempo de respuesta (total)10.49sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.4Puntaje promedio en todas las pruebas de benchmark.…
6.9La 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.No siguió las instrucciones: 1Tiempo de respuesta (promedio)1.79sTiempo de respuesta (máximo)1.80sTiempo de respuesta (total)3.59sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
1.79sTiempo de respuesta (promedio)…
672Total de tokens de entrada…
75Tokens de salida…
670Tokens 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.
6.0Puntaje 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)7.32sTiempo de respuesta (máximo)7.68sTiempo de respuesta (total)21.96sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
8.4Puntaje promedio en todas las pruebas de benchmark.…
7.4La 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)92.20sTiempo de respuesta (máximo)266.38sTiempo de respuesta (total)276.61sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
92.20sTiempo de respuesta (promedio)…
660Total de tokens de entrada…
627Tokens de salida…
50,973Tokens 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)7.52sTiempo de respuesta (máximo)7.52sTiempo de respuesta (total)7.52sUna 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)3.60sTiempo de respuesta (máximo)3.60sTiempo de respuesta (total)3.60sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
3.60sTiempo de respuesta (promedio)…
6,474Total de tokens de entrada…
241Tokens de salida…
196Tokens 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)21.18sTiempo de respuesta (máximo)21.18sTiempo de respuesta (total)21.18sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…
2.8Puntaje promedio en todas las pruebas de benchmark.…
1.6La 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.Sin respuesta: 1Tiempo de respuesta (promedio)527.13sTiempo de respuesta (máximo)527.13sTiempo de respuesta (total)527.13sUna prueba cuenta como totalmente superada solo si todas sus ejecuciones pasan.…