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: 2026-05-26

Métrica Grok 4.20 Beta Grok 4.20 Beta medium Lanzamiento: 2026-03-12 Grok 4.1 Fast Grok 4.1 Fast medium Lanzamiento: 2025-11-19 Hunter Alpha Hunter Alpha medium Lanzamiento: 2026-03-11
Puntuación 8.5 6.5 6.7
Rango #14 #88 #76
Fiabilidad N/D 10.0 N/D
Consistencia 9.5 7.3 7.4
Pruebas correctas
Tasa de aciertos por intento 81.5% 61.4% 64.8%
Pruebas inestables 1 6 6
Ejecuciones totales 128 133 90
Costo por resultado 8.557 0.926 0.000
Costo total $1.198 $0.084 $0.000
Precio de entrada $0.000 / 1M $0.000 / 1M $0.000 / 1M
Precio de salida $0.000 / 1M $0.000 / 1M $0.000 / 1M
Tokens de salida 4,915 3,298 6,506
Tokens de razonamiento 177,787 139,122 24,809
Tiempo de respuesta (promedio) 9.75s 23.85s 10.33s
Tiempo de respuesta (máximo) 31.36s 121.79s 30.53s
Tiempo de respuesta (total) 175.48s 286.16s 175.58s

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
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 268 7,583
Grok 4.1 Fast 8.7 7.9 91.7% 1 3.81s 108 4,741
Hunter Alpha 7.3 5.8 83.3% 2 4.75s 479 1,103
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 Beta 10.0 10.0 100.0% 0 31.36s 81 3,987
Grok 4.1 Fast 2.3 1.1 33.3% 1 23.58s 821 6,703
Hunter Alpha 3.0 10.0 0.0% 0 0ms 0 0
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 227 12,212
Grok 4.1 Fast 10.0 10.0 100.0% 0 37.64s 261 12,272
Hunter Alpha 4.7 1.6 66.7% 1 30.53s 792 3,456
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
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 180 5,281
Grok 4.1 Fast 10.0 10.0 100.0% 0 6.63s 180 5,409
Hunter Alpha 10.0 10.0 100.0% 0 23.16s 1,488 8,017
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 251 40,255
Grok 4.1 Fast 5.8 4.4 66.7% 2 121.79s 11 37,657
Hunter Alpha 3.0 10.0 0.0% 0 10.52s 892 2,406
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 72 3,440
Grok 4.1 Fast 4.2 9.9 0.0% 0 16.25s 127 3,456
Hunter Alpha 7.0 3.7 66.7% 1 6.44s 116 260
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 Beta 9.8 10.0 100.0% 0 4.89s 703 67,771
Grok 4.1 Fast 6.5 10.0 50.0% 0 4.63s 662 21,680
Hunter Alpha 9.9 10.0 100.0% 0 4.18s 208 465
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 Beta 10.0 10.0 100.0% 0 3.52s 2,950 31,874
Grok 4.1 Fast 5.3 7.2 44.4% 1 7.40s 853 30,338
Hunter Alpha 6.1 4.7 66.7% 2 5.35s 2,223 8,198
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 183 5,384
Grok 4.1 Fast 2.8 1.6 33.3% 1 27.71s 260 11,485
Hunter Alpha 10.0 10.0 100.0% 0 17.33s 308 904
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de salida Tokens de razonamiento
Grok 4.20 Beta - - - - - - - -
Grok 4.1 Fast 3.0 10.0 0.0% 0 25.52s 15 5,381
Hunter Alpha - - - - - - - -

Comparación rápida

Cambiar par de comparación

Claude Opus 4.7mediumvsGPT-5.5lowGPT-5.4mediumvsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsGrok Build 0.1mediumDeepSeek V4 FlashhighDisponible gratisvsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewlowvsQwen3.5-FlashmediumGemini 3.1 Flash LiteminimalvsKimi K2.5mediumGPT-5.3 ChatnonevsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5-PromediumGemini 3.1 Flash LitelowvsGLM 5.1mediumgpt-oss-120bmediumDisponible gratisvsQwen3.5-FlashnoneQwen3.7 MaxnonevsGLM 5 TurbomediumGemini 3 Flash PreviewnonevsQwen3.6 Flashmedium