Modelos comparados

Comparación benchmark Grok 4.6 (high) vs Seed 2.1 Turbo (low) vs Qwen3.8 2.4T A95B (low) vs Seed-2.0-Code (low): Grok 4.6 (high) lidera en Puntuación con 9.3. Grok 4.6 (high) lidera en Fiabilidad con 10.0. Seed-2.0-Code (low) tiene el Costo total más bajo con $0.767. Seed-2.0-Code (low) es el más rápido con 72.24s.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-09-24

Modelos comparados

Rango: #19
Total de tokens de salida: 282,217
Tiempo de respuesta (promedio): 84.15s
Costo total: $1.908

Rango: #28
Total de tokens de salida: 597,236
Tiempo de respuesta (promedio): 163.90s
Costo total: $1.546

Rango: #78
Total de tokens de salida: 495,541
Tiempo de respuesta (promedio): 118.97s
Costo total: $2.672

Rango: #106
Total de tokens de salida: 241,309
Tiempo de respuesta (promedio): 72.24s
Costo total: $0.767

Modelo recomendado Grok 4.6 (high)

Tiene la puntuación más alta en esta comparación (9.3) y el mejor equilibrio general entre coste y tiempo de respuesta en los 4 modelos.

Comparación detallada

Métrica	Grok 4.6 Grok 4.6 high Lanzamiento: 2026-08-12	Seed 2.1 Turbo Seed 2.1 Turbo low Lanzamiento: 2026-08-12	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low Lanzamiento: 2026-08-12	Seed-2.0-Code Seed-2.0-Code low Lanzamiento: 2026-08-12

Métrica	Grok 4.6 Grok 4.6 high Lanzamiento: 2026-08-12	Seed 2.1 Turbo Seed 2.1 Turbo low Lanzamiento: 2026-08-12	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low Lanzamiento: 2026-08-12	Seed-2.0-Code Seed-2.0-Code low Lanzamiento: 2026-08-12
Puntuación	9.3	9.1	8.1	7.7
Rango	#19	#28	#78	#106
Fiabilidad	10.0	10.0	9.4	8.5
Consistencia	10.0	9.2	9.2	7.8
Intentos	66/66	66/66	66/66	66/66
Pruebas correctas
Tasa de aciertos por intento	86.4%	80.3%	72.7%	77.3%
Pruebas inestables	0	2	2	6
Ejecuciones totales	66	66	66	66
Costo por resultado	10.042	9.091	17.812	5.899
Costo total	$1.908	$1.546	$2.672	$0.767
Precio de entrada	$2.000 / 1M	$0.500 / 1M	$2.000 / 1M	$0.500 / 1M
Precio de salida	$6.000 / 1M	$2.500 / 1M	$6.000 / 1M	$3.000 / 1M
Total de tokens de entrada	107,275	104,464	113,279	85,657
Tokens de salida	5,094	6,844	121,045	8,142
Tokens de razonamiento	277,123	590,392	374,496	233,167
Tiempo de respuesta (promedio)	84.15s	163.90s	118.97s	72.24s
Tiempo de respuesta (máximo)	618.49s	739.98s	534.21s	485.92s
Tiempo de respuesta (total)	1851.26s	3605.87s	2617.41s	1589.31s
Parámetros	~1.7T en total (~170B activos)	~200B en total (~20B activos)	2.4T en total (95B activos)	~200B en total (~20B activos)
Disponibilidad	Código cerrado	Código cerrado	Pesos disponibles	Código cerrado

Generación showcase de modelos

Hamster playing table tennis

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

#19 SpaceXAI: Grok 4.6

high

Coste: $0.107
Tiempo: 265.1s
Tokens: 18,001 tok

#28 Seed 2.1 Turbo

low

Coste: $0.049
Tiempo: 298.8s
Tokens: 19,730 tok

#78 Qwen3.8 2.4T A95B

low

Coste: $0.100
Tiempo: 193.2s
Tokens: 16,767 tok

#106 Seed-2.0-Code

low

Provider returned error

Coste: $0.000
Tiempo: 0.3s
Tokens: 0 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

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
Grok 4.6	10.0	10.0	100.0%	0	14.44s	2,991	79	6,805
Seed 2.1 Turbo	8.2	7.9	83.3%	1	34.78s	906	624	22,595
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0	22.04s	1,104	397	4,814
Seed-2.0-Code	8.7	7.9	91.7%	1	39.56s	930	2,650	15,987

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Grok 4.6	10.0	10.0	100.0%	0	102.20s	9,579	379	51,829
Seed 2.1 Turbo	10.0	10.0	100.0%	0	360.85s	8,220	385	207,368
Qwen3.8 2.4T A95B	7.8	9.3	66.7%	0	172.53s	6,716	21,405	57,399
Seed-2.0-Code	7.0	7.1	55.6%	1	109.70s	7,948	455	55,759

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Grok 4.6	10.0	10.0	100.0%	0	91.77s	68,548	3,931	34,529
Seed 2.1 Turbo	10.0	10.0	100.0%	0	359.97s	74,199	4,604	132,545
Qwen3.8 2.4T A95B	8.2	6.9	66.7%	1	231.85s	85,267	8,008	50,681
Seed-2.0-Code	7.3	5.8	83.3%	1	99.12s	55,969	3,774	21,408

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
Grok 4.6	10.0	10.0	100.0%	16.08s	8,937	225	6,590
Seed 2.1 Turbo	10.0	10.0	100.0%	34.55s	8,544	246	12,576
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	22.27s	7,956	839	2,445
Seed-2.0-Code	10.0	10.0	100.0%	24.88s	8,046	246	1,639

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
Grok 4.6	5.3	10.0	33.3%	0	369.95s	2,523	14	154,471
Seed 2.1 Turbo	2.9	7.2	11.1%	1	424.53s	775	8	166,776
Qwen3.8 2.4T A95B	3.2	9.3	0.0%	0	287.65s	1,008	16,133	156,114
Seed-2.0-Code	4.1	4.4	44.5%	2	238.45s	975	16	132,626

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Grok 4.6	10.0	10.0	100.0%	0	19.51s	1,077	56	2,448
Seed 2.1 Turbo	10.0	10.0	100.0%	0	41.83s	573	235	6,851
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1	22.97s	606	44	1,497
Seed-2.0-Code	6.5	3.4	66.7%	1	11.14s	579	179	1,117

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Grok 4.6	9.8	10.0	100.0%	13.82s	1,857	57	4,318
Seed 2.1 Turbo	9.8	10.0	100.0%	5.05s	816	72	1,271
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	19.54s	903	263	1,480
Seed-2.0-Code	9.8	10.0	100.0%	12.20s	828	72	1,034

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Grok 4.6	10.0	10.0	100.0%	15.56s	2,430	122	5,706
Seed 2.1 Turbo	10.0	10.0	100.0%	23.45s	867	430	12,087
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	43.37s	1,026	1,154	25,563
Seed-2.0-Code	9.9	10.0	100.0%	12.50s	885	445	2,470

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Grok 4.6	10.0	10.0	100.0%	13.30s	8,544	216	1,505
Seed 2.1 Turbo	10.0	10.0	100.0%	27.40s	9,297	228	1,452
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	25.88s	8,481	302	975
Seed-2.0-Code	10.0	10.0	100.0%	55.56s	9,315	296	637

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Grok 4.6	3.0	10.0	0.0%	54.22s	789	15	8,922
Seed 2.1 Turbo	3.0	10.0	0.0%	171.92s	267	12	26,871
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	422.46s	212	72,500	73,528
Seed-2.0-Code	3.0	10.0	0.0%	10.02s	182	9	490

Comparación rápida

Cambiar par de comparación

Seed-2.0-CodelowvsGLM 5medium GPT-5.5lowvsGrok 4.6high GPT-5 MinimediumvsQwen3.8 2.4T A95Blow Muse Glimmer 30BxhighvsQwen3.8 2.4T A95Blow Claude Opus 4.6mediumvsSeed-2.0-Codelow Claude Opus 5.5lowvsGrok 4.6high Seed 2.1 TurbolowvsGemini 3.8 Flashmedium Seed-2.0-CodelowvsQwen3.7 Flashhigh GPT-6 AstramediumvsGrok 4.6high GPT-5.6 SolmediumvsGrok 4.6high GPT-6 SolmediumvsGrok 4.6high Qwen3.8 2.4T A95BlowvsGrok 4.7medium