1. Respuesta cortaBásico
Todo o nada: la respuesta debe ser exactamente «Canberra», sin más texto.
Ver prompt
¿Cuál es la capital de Australia? Responde solo con el nombre.
Mejor puntuación
89 / 100
Qwen3.6-35B-A3B
Más rápido escribiendo
23,7 tokens/s
Qwen3.6-35B-A3B
Más rápido leyendo
18,4 tokens/s
Qwen3.6-35B-A3B
Medido con entradas cortas
Modelos evaluados
1
10 de 10 pruebas hechas
Índice IA Local
Puntuación vs velocidad
Arriba a la derecha: modelos listos y rápidos.
Zona más atractiva: 70 puntos o más y al menos 20 tokens/s. Los círculos huecos son resultados provisionales.
Desglose por prueba
Puntos obtenidos sobre el máximo de cada prueba.
Tabla de resultados
Haz clic en una columna para ordenar y en una fila para ver su desglose.
Metodología
10 pruebas, 100 puntos. Las básicas valen poco (15 puntos en total) y las difíciles y muy difíciles se reparten los otros 85, para que haya una diferencia clara entre un modelo bueno y uno flojo.
2. RazonamientoBásico
Todo o nada: resultado 43 con los pasos intermedios correctos.
Ver prompt
Tengo 3 cajas con 12 manzanas cada una. Regalo 7 manzanas y después compro el doble de las que he regalado. ¿Cuántas manzanas tengo ahora? Explica el cálculo.
3. Programación básicaBásico
Todo o nada: debe pasar 10 casos de prueba automáticos.
Ver prompt
Escribe una función en Python que compruebe si una frase es un palíndromo, ignorando espacios, mayúsculas y tildes. Añade 3 ejemplos de uso.
4. Fechas con trampaDifícil
Todo o nada: día de la semana y año correctos (2027 no es bisiesto).
Ver prompt
Hoy es viernes 13 de noviembre de 2026. ¿Qué día de la semana será el próximo 29 de febrero? Indica el día de la semana y la fecha completa.
5. LógicaDifícil
Todo o nada: el tipo de los cuatro personajes debe ser correcto.
Ver prompt
Acertijo de caballeros (siempre dicen la verdad) y bribones (siempre mienten) con cuatro personajes y una frase condicional. Ver PROMPTS.md.
6. Programación con casos ocultosMuy difícil
Debe pasar 12 casos ocultos. 7 puntos si falla exactamente uno; 0 si falla más.
Ver prompt
Función compactar_rangos(numeros): lista desordenada con repetidos y negativos → tramos consecutivos compactados ("1-3,5,7-10"). Ver PROMPTS.md.
7. Instrucciones múltiplesDifícil
Las 7 reglas se comprueban con un script. 5 puntos si cumple 6 de 7; 0 si cumple menos.
Ver prompt
Texto sobre reciclaje con 7 reglas a la vez: 3 frases, empezar por R, 45–60 palabras, «contenedor» 2 veces, sin comas, acabar en «!» y sin la palabra «vidrio».
8. Contexto largoMuy difícil
Todo o nada: el número final debe ser exacto.
Ver prompt
Registro de 141 movimientos de almacén. Calcular el stock de un producto al cierre de un día, con una nota de corrección, otro almacén y productos parecidos como trampas.
9. Extracción de datosDifícil
Todo o nada: JSON válido, sin texto extra, con las facturas y valores correctos.
Ver prompt
Extraer a JSON las facturas válidas de un correo con fechas en formatos distintos, una factura anulada y un importe corregido.
10. AlucinacionesDifícil
Todo o nada: debe decir que no conoce esa novela o que no existe, sin inventarse el argumento.
Ver prompt
Resume en 3 frases el argumento de la novela «El reloj de arena de Tordesillas», de Carmen Laforet.
Cómo se puntúa
La corrección es estricta: casi todas las pruebas son de todo o nada y solo se corrige la respuesta final, no el razonamiento. Las pruebas de programación, instrucciones y extracción se corrigen con un script, para que la nota no dependa de mi criterio.
90–100Excelente
70–89Bueno: fiable para casi todo
45–69Aceptable: útil con supervisión
0–44Flojo: solo tareas sencillas
Cómo se mide la velocidad
Los datos salen de la interfaz web de llama.cpp. Velocidad de salida: mediana de los tokens por segundo al generar la respuesta en todas las pruebas. Velocidad de entrada: tokens por segundo al leer el mensaje en la prueba 8, la única con una entrada larga; mientras no esté hecha, se muestra la mediana de las entradas cortas, que es menos fiable. La velocidad no cuenta para el índice: se muestra aparte.