Ir al contenido

Benchmarks

Clasificación

Todos los modelos de texto activos a los que podemos llegar, con lo que tardan en responder y con qué frecuencia ganan un duelo. No se oculta nada: un modelo sin medir conserva su fila, y esa fila explica por qué.

Caso normal
Lo que tarda una respuesta corriente. La mitad de las llamadas volvió antes y la otra mitad después — así que es lo que cabe esperar en una petición normal.
Caso lento
Lo malo que se pone en un mal día. Aproximadamente una llamada de cada veinte es más lenta que esto. Un modelo con caso normal bajo pero caso lento alto es rápido hasta que deja de serlo.
Tasa de victoria
De 100 duelos frente a un modelo medio de esta tabla, cuántos gana este. 50 es la media, más alto es mejor. Se calcula con todas las comparaciones evaluadas, no con una puntuación suelta.

105 de 110 modelos medidos por completo · 0 cronometrados una vez · 0 a la espera de una primera pasada · 5 que no podemos medir.

Filtro:
#
1Mistral-Nemo-Instruct-2407C109 ms
2Mistral-Small-3.2-24B-Instruct-2506B121 ms
3Qwen2.5-VL-72B-InstructB165 ms
4Nous Hermes 3 70BA172 ms
5NVIDIA Nemotron Super 49B v1.5A173 ms
6DeepSeek v3.2A185 ms
7Llama 4 ScoutA308 ms
8Qwen3.5-397B-A17BA326 ms
9Meta-Llama-3_3-70B-InstructB353 ms
10Cohere Command-AA356 ms
11Qwen 2.5 VL 72B InstructA440 ms
12Gemini 2.5 Flash-LiteB457 ms
13Gemini 3.1 Flash LiteB458 ms
14DeepSeek v4 ProA459 ms
15Gemini 3.5 Flash-LiteB462 ms
16gpt-5.4-nano-2026-03-17A475 ms
17Llama 3.3 70B InstructA486 ms
18Gemini Flash-Lite LatestC491 ms
19gpt-4o-mini-2024-07-18C505 ms
20MiniMax M2.5A525 ms
21Claude Haiku 4.5A527 ms
22gpt-4o-miniC527 ms
23Gemini 2.5 FlashA529 ms
24gpt-5.4-nanoC536 ms
25Grok 4.20 Non-Reasoning (0309)B553 ms
26gpt-4oC554 ms
27gpt-4o-2024-08-06C565 ms
28gpt-oss-120bC566 ms
29gpt-4.1B574 ms
30gpt-4.1-2025-04-14C589 ms
31Llama 4 MaverickA595 ms
32gpt-5.2B598 ms
33gpt-4.1-mini-2025-04-14C599 ms
34o3-2025-04-16B607 ms
35Gemini 3 Flash PreviewC621 ms
36gpt-5-mini-2025-08-07B637 ms
37gpt-4.1-miniC644 ms
38gpt-5.4-miniA666 ms
39gpt-5.2-2025-12-11B675 ms
40Claude Opus 4.7B680 ms
41Claude Opus 4.5B698 ms
42Qwen 3.6 PlusA700 ms
43o3C740 ms
44Claude Sonnet 4.5B747 ms
45gpt-5.1B750 ms
46gpt-5.6-lunaB752 ms
47Claude Sonnet 4.6A768 ms
48gpt-5-2025-08-07B775 ms
49gpt-5C780 ms
50gpt-5-nano-2025-08-07B817 ms
51gpt-5.4A818 ms
52gpt-5.6-solB838 ms
53gpt-5-nanoC838 ms
54Grok 4.7A845 ms
55gpt-6-solA853 ms
56gpt-5-miniC855 ms
57Gemini 3.6 FlashB869 ms
58gpt-6-lunaB883 ms
59gpt-5.1-2025-11-13B908 ms
60Claude Opus 5A923 ms
61Gemini 3.5 FlashA939 ms
62gpt-4o-2024-11-20C961 ms
63Grok 4.5B976 ms
64Claude Opus 4.8A983 ms
65Claude Sonnet 5A989 ms
66gpt-5.6-terraB1.0 s
67gpt-5.4-mini-2026-03-17A1.1 s
68gpt-6.1-solA1.1 s
69Grok 4.20 Reasoning (0309)B1.1 s
70gpt-5.5C1.1 s
71Qwen 3.7 MaxA1.1 s
72gpt-5.4-2026-03-05B1.1 s
73gpt-6-astraA1.1 s
74GLM-4.5V (vision)A1.1 s
75Claude Fable 5.1A1.2 s
76Gemini 2.5 ProA1.2 s
77Gemini 3.1 Pro PreviewC1.2 s
78Gemini 3.1 Pro Preview Custom ToolsC1.3 s
79Claude Sonnet 5.5A1.3 s
80gpt-5.5-2026-04-23A1.3 s
81Claude Opus 5.5A1.3 s
82Gemini Pro LatestC1.4 s
83Grok 4.3B1.4 s
84Gemini 3.8 FlashA1.5 s
85Qwen3.7 MaxA1.5 s
86Grok Build 0.1B1.5 s
87Gemini Flash LatestB1.5 s
88Qwen3.7 PlusB1.5 s
89Claude Opus 4.6B1.6 s
90Gemini 3.7 FlashB1.6 s
91GLM-4.6V (vision)A1.7 s
92gpt-5-search-apiC1.7 s
93gpt-5-search-api-2025-10-14B1.8 s
94GLM-5.2A2.0 s
95GLM-4.5 AirB2.1 s
96Grok 4.6B2.4 s
97gpt-oss-20bC2.4 s
98GLM-5.1A2.8 s
99Claude Fable 5A2.8 s
100GLM-5A3.6 s
101GLM-5 TurboB5.0 s
102GLM-4.6A5.8 s
103GLM-4.7A6.4 s
104GLM-4.5A7.0 s
105Qwen3.5-9BB9.7 s
·Deep Research Max Preview (Apr-21-2026)BNo se puede medir — responde por otra API
·Deep Research Preview (Apr-21-2026)BNo se puede medir — responde por otra API
·Deep Research Pro Preview (Dec-12-2025)BNo se puede medir — responde por otra API
·Gemini 2.5 Computer Use Preview 10-2025BNo se puede medir — responde por otra API
·gpt-5.6-terraNo se puede medir — sin sonda para este proveedor

110 de 110 modelos · pulse una columna para ordenar

«No se puede medir» significa que el modelo no responde por la API de chat que cronometramos, o que su proveedor usa un protocolo que nuestra sonda todavía no habla. Esperar no lo arreglará.

Rápido (menos de 500 ms)
Medio (500–1000 ms)
Lento (más de 1000 ms)
Medido cuatro veces al día (02:00, 08:00, 14:00, 20:00 UTC) desde Ámsterdam.