IQ of SI
Español ▾

Página automatizada. Redactada y traducida automáticamente por IA y verificada con las fuentes mediante software; sin editor humano. SI-IQ es un índice elaborado a partir de resultados públicos de benchmarks, no una prueba de CI. Cómo funciona

τ²-bench Airline (OpenRouter run): resultados de modelos de IA

τ²-bench Airline (OpenRouter run) es un benchmark de Agentes ejecutado por OpenRouter. 117 modelos de nuestros datos tienen un resultado publicado.

Forma parte del índice SI-IQ (carga k = 0,41, nivel de azar 0 %).

Evaluador
OpenRouter
Página principal del benchmark
openrouter.ai/benchmarks/tau2-bench-airline

Resultados

Fuente
1 MiMo-V2.6 Pro Xiaomi Corp79,8 %131117–144 2 datos insuficientes sept 2026OpenRouter benchmark datasets
2 Claude Fable 5 Anthropic79,6 %138134–141 8 jun 2026OpenRouter benchmark datasets
3 Claude Fable 5.1 Anthropic79,1 %140136–143 8 sept 2026OpenRouter benchmark datasets
4 DeepSeek-V4-Proabierto DeepSeek78,9 %117113–120 9 abr 2026OpenRouter benchmark datasets
5 Gemini 4 Argon Google DeepMind78,7 %140137–143 8 sept 2026OpenRouter benchmark datasets
6 Gemini 3.7 Flash Google DeepMind78,3 %131128–134 8 ago 2026OpenRouter benchmark datasets
7 Qwen3.5 397B-A17Babierto Alibaba78,1 %114109–118 5 feb 2026OpenRouter benchmark datasets
8 GLM-5.3abierto Z.ai (Zhipu AI)78,1 %125122–128 8 ago 2026OpenRouter benchmark datasets
9 Muse Spark Openabierto Meta AI78,0 %127124–130 6 oct 2026OpenRouter benchmark datasets
10 Tencent Hy4 previewabierto Tencent77,8 %129115–143 2 datos insuficientes ago 2026OpenRouter benchmark datasets
11 Claude Opus 4.8 Anthropic77,8 %132129–135 8 may 2026OpenRouter benchmark datasets
12 DeepSeek V4 Flash 0731abierto DeepSeek77,7 %124121–127 8 jul 2026OpenRouter benchmark datasets
13 Claude Opus 4.7 Anthropic77,6 %127124–130 9 abr 2026OpenRouter benchmark datasets
14 DeepSeek-V4-Flashabierto DeepSeek77,6 %129116–143 2 datos insuficientes abr 2026OpenRouter benchmark datasets
15 Claude Sonnet 5.5 Anthropic77,5 %140137–143 8 sept 2026OpenRouter benchmark datasets
16 Claude Opus 5 Anthropic77,3 %136133–140 8 jul 2026OpenRouter benchmark datasets
17 Claude Opus 4.5 Anthropic77,0 %115111–118 10 nov 2025OpenRouter benchmark datasets
18 DeepSeek V4 Pro 0813abierto DeepSeek76,8 %128125–131 8 ago 2026OpenRouter benchmark datasets
19 Kimi K2.6abierto Moonshot76,7 %121118–124 9 abr 2026OpenRouter benchmark datasets
20 Claude Opus 4.6 Anthropic76,4 %123120–126 9 feb 2026OpenRouter benchmark datasets
21 Qwen3.6 27Babierto Alibaba76,3 %115110–119 5 abr 2026OpenRouter benchmark datasets
22 GLM-5.3-Flashabierto Z.ai (Zhipu AI)76,2 %120117–124 7 ago 2026OpenRouter benchmark datasets
23 Claude Sonnet 5 Anthropic76,0 %126123–129 8 jun 2026OpenRouter benchmark datasets
24 MiMo-V2.6 Flash Xiaomi Corp76,0 %11299–125 2 datos insuficientes sept 2026OpenRouter benchmark datasets
25 Qwen 3.8 27Babierto Alibaba75,9 %120106–133 2 datos insuficientes ago 2026OpenRouter benchmark datasets
26 GPT-5.1 OpenAI75,8 %120115–125 7 nov 2025OpenRouter benchmark datasets
27 Claude Haiku 5.5 Anthropic75,8 %129126–132 8 oct 2026OpenRouter benchmark datasets
28 Gemma 4 31B ITabierto Google DeepMind75,7 %10498–110 4 datos insuficientes abr 2026OpenRouter benchmark datasets
29 Claude Opus 5.5 Anthropic75,6 %144141–148 8 sept 2026OpenRouter benchmark datasets
30 Gemini 3 Flash Google DeepMind75,3 %122119–125 9 dic 2025OpenRouter benchmark datasets
31 GPT-5.3 Codex OpenAI75,3 %122108–136 2 datos insuficientes feb 2026OpenRouter benchmark datasets
32 Claude Sonnet 4.5 Anthropic75,3 %110107–113 11 sept 2025OpenRouter benchmark datasets
33 GPT-5.5 OpenAI75,0 %138135–141 9 abr 2026OpenRouter benchmark datasets
34 Claude Sonnet 4.6 Anthropic74,9 %113108–118 7 feb 2026OpenRouter benchmark datasets
35 Grok 4.6 xAI74,8 %126123–129 8 ago 2026OpenRouter benchmark datasets
36 Qwen3.5-122B-A10Babierto Alibaba74,7 %112103–121 3 datos insuficientes feb 2026OpenRouter benchmark datasets
37 DeepSeek V4.1 Flashabierto DeepSeek74,5 %128125–131 8 sept 2026OpenRouter benchmark datasets
38 Qwen 3.6 35B-A3Babierto Alibaba74,5 %111107–115 5 abr 2026OpenRouter benchmark datasets
39 MiMo-V2.5-Proabierto Xiaomi Corp74,4 %121108–135 2 datos insuficientes abr 2026OpenRouter benchmark datasets
40 GLM-5.1abierto Z.ai (Zhipu AI)74,3 %116112–120 7 abr 2026OpenRouter benchmark datasets
41 Gemini 3.1 Pro Google DeepMind74,2 %127124–130 9 feb 2026OpenRouter benchmark datasets
42 GLM-5abierto Z.ai (Zhipu AI)74,2 %112105–118 4 datos insuficientes feb 2026OpenRouter benchmark datasets
43 MiniMax-M3abierto MiniMax73,9 %108102–114 5 jun 2026OpenRouter benchmark datasets
44 Kimi K2.7 Codeabierto Moonshot73,8 %118115–122 7 jun 2026OpenRouter benchmark datasets
45 MiMo-V2.5abierto Xiaomi Corp73,7 %117104–131 2 datos insuficientes abr 2026OpenRouter benchmark datasets
46 Qwen3.5-35B-A3Babierto Alibaba73,5 %106100–112 3 datos insuficientes feb 2026OpenRouter benchmark datasets
47 Gemini 3.5 Flash-Lite Google DeepMind73,5 %109106–113 7 jul 2026OpenRouter benchmark datasets
48 Kimi K3abierto Moonshot73,5 %127124–130 8 jul 2026OpenRouter benchmark datasets
49 Gemini 3.8 Flash Google DeepMind73,5 %130127–133 8 sept 2026OpenRouter benchmark datasets
50 GLM-4.6abierto Z.ai (Zhipu AI), Tsinghua University73,4 %117106–128 3 datos insuficientes sept 2025OpenRouter benchmark datasets
51 Gemini 3.5 Flash Google DeepMind73,3 %126123–129 9 may 2026OpenRouter benchmark datasets
52 GPT-5.6 Sol OpenAI73,3 %140137–143 8 jul 2026OpenRouter benchmark datasets
53 GPT-5.4 OpenAI73,2 %131128–133 9 mar 2026OpenRouter benchmark datasets
54 Kimi K2.5abierto Moonshot72,8 %119112–125 5 ene 2026OpenRouter benchmark datasets
55 GPT-5.2 OpenAI72,7 %125122–128 10 dic 2025OpenRouter benchmark datasets
56 Qwen3.7-Plus Alibaba72,7 %115110–119 5 jun 2026OpenRouter benchmark datasets
57 GPT-5.6 Luna OpenAI72,3 %130127–133 8 jul 2026OpenRouter benchmark datasets
58 MiniMax-M2.7abierto MiniMax72,0 %120107–134 2 datos insuficientes mar 2026OpenRouter benchmark datasets
59 Gemini 3.6 Flash Google DeepMind72,0 %125122–128 8 jul 2026OpenRouter benchmark datasets
60 Nemotron 3 Ultraabierto Nvidia72,0 %114108–120 4 datos insuficientes jun 2026OpenRouter benchmark datasets
61 Qwen3.7-Max Alibaba72,0 %125122–128 9 may 2026OpenRouter benchmark datasets
62 DeepSeek-V3.2abierto DeepSeek71,9 %114101–127 2 datos insuficientes dic 2025OpenRouter benchmark datasets
63 GLM-5.2abierto Z.ai (Zhipu AI)71,7 %121118–124 9 jun 2026OpenRouter benchmark datasets
64 GPT-5.6 Terra OpenAI71,5 %134131–137 8 jul 2026OpenRouter benchmark datasets
65 GPT-5 mini OpenAI71,2 %115112–118 11 ago 2025OpenRouter benchmark datasets
66 GPT-5 OpenAI70,7 %121118–124 11 ago 2025OpenRouter benchmark datasets
67 GLM-4.7abierto Z.ai (Zhipu AI)70,4 %112107–118 5 dic 2025OpenRouter benchmark datasets
68 GPT-6 Sol OpenAI70,2 %140137–144 8 sept 2026OpenRouter benchmark datasets
69 Qwen3.8 Flash Alibaba70,0 %125111–138 2 datos insuficientes ago 2026OpenRouter benchmark datasets
70 Kimi K2 Thinkingabierto Moonshot69,5 %11299–126 2 datos insuficientes nov 2025OpenRouter benchmark datasets
71 DeepSeek-V3.2-Expabierto DeepSeek69,3 %112103–121 4 datos insuficientes sept 2025OpenRouter benchmark datasets
72 MiniMax-M2.5abierto MiniMax69,1 %118105–132 2 datos insuficientes feb 2026OpenRouter benchmark datasets
73 glm-4.7-flash —68,3 %9488–100 3 datos insuficientes —OpenRouter benchmark datasets
74 GPT-6.1 Sol OpenAI68,2 %148144–152 8 sept 2026OpenRouter benchmark datasets
75 GLM-4.5-Airabierto Z.ai (Zhipu AI), Tsinghua University68,0 %11491–137 1 datos insuficientes jul 2025OpenRouter benchmark datasets
76 GPT-6 Luna OpenAI68,0 %130127–133 8 sept 2026OpenRouter benchmark datasets
77 MiniMax-M2.1abierto MiniMax67,8 %120106–133 2 datos insuficientes dic 2025OpenRouter benchmark datasets
78 GPT-6 Astra OpenAI67,7 %150146–153 8 sept 2026OpenRouter benchmark datasets
79 Inklingabierto Thinking Machines67,6 %114110–117 7 jul 2026OpenRouter benchmark datasets
80 Claude Haiku 4.5 Anthropic66,6 %10499–108 7 oct 2025OpenRouter benchmark datasets
81 GPT-5.4 Nano OpenAI65,2 %118115–121 8 mar 2026OpenRouter benchmark datasets
82 Qwen3.5-9Babierto Alibaba65,0 %10195–107 3 datos insuficientes feb 2026OpenRouter benchmark datasets
83 Claude Sonnet 4 Anthropic64,0 %9793–101 5 may 2025OpenRouter benchmark datasets
84 Kimi K2 (Sep 2025)abierto Moonshot63,7 %10592–118 2 datos insuficientes sept 2025OpenRouter benchmark datasets
85 gpt-oss-120babierto OpenAI63,3 %10699–112 5 ago 2025OpenRouter benchmark datasets
86 Qwen3-235B-A22B-Thinking (Jul 2025)abierto Alibaba62,7 %111105–118 5 jul 2025OpenRouter benchmark datasets
87 GPT-5.4 Mini OpenAI62,2 %117113–120 8 mar 2026OpenRouter benchmark datasets
88 Inkling-Smallabierto Thinking Machines60,8 %118115–122 7 jul 2026OpenRouter benchmark datasets
89 qwen3-coder-next —57,6 %10390–116 2 datos insuficientes feb 2026OpenRouter benchmark datasets
90 Gemma 4 26B A4Babierto Google DeepMind57,3 %106100–112 3 datos insuficientes abr 2026OpenRouter benchmark datasets
91 Gemini 2.5 Pro (Jun 2025) Google DeepMind56,2 %108104–112 7 jun 2025OpenRouter benchmark datasets
92 Gemini 2.5 Flash (Jun 2025) Google DeepMind55,1 %10291–113 3 datos insuficientes jun 2025OpenRouter benchmark datasets
93 GPT-4.1 OpenAI50,8 %9187–94 10 abr 2025OpenRouter benchmark datasets
94 DeepSeek-V3.1-Terminusabierto DeepSeek48,3 %10289–115 2 datos insuficientes sept 2025OpenRouter benchmark datasets
95 Gemma 3 12Babierto Google DeepMind48,0 %7366–79 4 datos insuficientes mar 2025OpenRouter benchmark datasets
96 DeepSeek-R1 (May 2025)abierto DeepSeek47,9 %104100–109 4 datos insuficientes may 2025OpenRouter benchmark datasets
97 DeepSeek-V3.1abierto DeepSeek47,2 %10087–113 2 datos insuficientes ago 2025OpenRouter benchmark datasets
98 gpt-oss-20babierto OpenAI46,7 %9589–101 3 datos insuficientes ago 2025OpenRouter benchmark datasets
99 Qwen3-32Babierto Alibaba45,2 %9589–100 5 abr 2025OpenRouter benchmark datasets
100 GPT-5 nano OpenAI45,1 %105102–109 10 ago 2025OpenRouter benchmark datasets
101 GPT-4.1 mini OpenAI44,3 %9188–95 10 abr 2025OpenRouter benchmark datasets
102 GPT-4o (May 2024) OpenAI44,0 %7066–75 4 datos insuficientes may 2024OpenRouter benchmark datasets
103 DeepSeek-V3 (Mar 2025)abierto DeepSeek43,4 %8581–90 4 datos insuficientes mar 2025OpenRouter benchmark datasets
104 Qwen3-Coder-480B-A35Babierto Alibaba43,3 %8572–98 2 datos insuficientes jul 2025OpenRouter benchmark datasets
105 Llama 4 Maverickabierto Meta AI43,1 %8177–85 6 abr 2025OpenRouter benchmark datasets
106 GPT-4o (Aug 2024) OpenAI43,0 %7368–77 8 ago 2024OpenRouter benchmark datasets
107 Qwen3-30B-A3Babierto Alibaba42,3 %9488–100 3 datos insuficientes abr 2025OpenRouter benchmark datasets
108 Qwen3-14Babierto Alibaba41,3 %9387–99 4 datos insuficientes abr 2025OpenRouter benchmark datasets
109 Mistral Small 4abierto Mistral AI41,1 %9683–108 2 datos insuficientes mar 2026OpenRouter benchmark datasets
110 DeepSeek-V3abierto DeepSeek40,5 %7773–82 4 datos insuficientes dic 2024OpenRouter benchmark datasets
111 Qwen3-235B-A22B-Instruct (Jul 2025)abierto Alibaba39,6 %9685–107 3 datos insuficientes jul 2025OpenRouter benchmark datasets
112 Qwen3-30B-A3B-Instruct (Jul 2025)abierto Alibaba37,0 %9186–97 4 datos insuficientes jul 2025OpenRouter benchmark datasets
113 Llama 3.3 70Babierto Meta AI31,3 %6661–71 5 dic 2024OpenRouter benchmark datasets
114 GPT-4o mini OpenAI28,0 %6864–73 9 jul 2024OpenRouter benchmark datasets
115 Qwen2.5-72Babierto Alibaba25,0 %7268–77 4 datos insuficientes sept 2024OpenRouter benchmark datasets
116 Qwen2.5-7Babierto Alibaba16,7 %5141–60 3 datos insuficientes sept 2024OpenRouter benchmark datasets
117 GPT-4.1 nano OpenAI11,8 %7672–80 8 abr 2025OpenRouter benchmark datasets

Fuentes de datos: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); API list prices via LiteLLM's price table (MIT); each price links to the developer's pricing page; Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter..