Comparación de capacidades de modelos de IA
Ingeniería de ML
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
MysteryMechanismInferencia de mecanismos ocultos
— means no published score for this candidate in this source, not zero.10/11 recent-year models have scores
| N.º | Modelo | Cost / TestCosto por prueba | Input costPrecio de entrada por millón de tokens | Output costPrecio de salida por millón de tokens | DurationDuración de la prueba reportada | |
|---|---|---|---|---|---|---|
| 1 |  GPT-6 AstraGPT-6 Astra | 53.15 | $1.56 | $10 | $50 | 8.15 min |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 49.55 | $4.62 | $4 | $20 | 19.63 min |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 49.1 | $3.45 | $2 | $10 | 23.5 min |
| 4 | Claude Fable 5.1Claude Fable 5.1 | 47.75 | $5.63 | $10 | $50 | 17.68 min |
| 5 | GPT-6.1 SolGPT-6.1 Sol | 46.4 | $0.28 | $2 | $10 | 7.28 min |
| 6 |  Gemini 4 ArgonGemini 4 Argon | 45.49 | $4.59 | $4 | $20 | 24.92 min |
| 7 | Claude Opus 5Claude Opus 5 | 37.39 | $3.28 | $5 | $25 | 16.88 min |
| 8 | Claude Haiku 5.5Claude Haiku 5.5 | 35.13 | $0.54 | $0.1 | $0.5 | 13.42 min |
| 9 | GPT-6 SolGPT-6 Sol | 30.18 | $0.46 | $2 | $10 | 6.22 min |
| 10 | GPT-6 LunaGPT-6 Luna | 19.37 | $0.03 | $0.1 | $0.5 | 6.02 min |
Benchmarks de Vals.ai
Fuente: Vals.ai ↗ · Actualizado 2026-10-19
MysteryMechanism · Actualizado 2026-10-12
PandaNpc Actualizado 21 oct 2026, 06:01 UTC
Fuente: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guía de columnas
- N.º
- Solo orden de visualización. El ordenamiento cambia este número; no es un ranking de capacidad publicado.
- Modelo
- El nombre del modelo evaluado y el icono de su proveedor. Un guion en una columna de puntuación significa que no hay una puntuación publicada disponible aquí, no un cero.
- Puntuación
- Evalúa el descubrimiento de mecanismos matemáticos ocultos mediante experimentos con retroalimentación limitada. Metodología de evaluación ↗
- Cost / Test
- Costo por prueba · USD
- Input cost
- Precio de entrada por millón de tokens · USD / 1M tokens
- Output cost
- Precio de salida por millón de tokens · USD / 1M tokens
- Duration
- Duración de la prueba reportada · s / min
- Vals.ai
- Los costos y los tiempos son reportados por Vals para este benchmark, no precios ni latencia universales de modelos. El costo de API estimado de CUA-bench cubre el uso de evaluación y es una estimación de límite inferior, no el costo por tarea; el tiempo por acción es un promedio, no una mediana. Un asterisco marca el comportamiento de caché de prompts del día de lanzamiento que aumentó los costos de escritura en caché. Los valores faltantes no están publicados, no son cero.