Pruebas de rendimiento
Mediciones independientes y reproducibles de los parámetros que realmente puede configurar en una solicitud de OpenRouter: modelos, proveedores, motores de búsqueda y presupuestos de herramientas. Cada puntuación enlaza con la configuración, los costes y la telemetría que la sustentan.
13 pruebas de rendimiento2.447.570 evaluaciones de tareasúltima ejecución 2 nov 2026
Agentes y herramientas
Multimedia
Imágenes, clips y voz generados, evaluados según la solicitud y con precio por resultado.
Evaluación comparativaMuestrasValorVelocidad
Image
Prompts de imágenes diseñados para provocar fallos: profundidad, dirección, recuento y texto en la imagen.
60 modelos
Valor0,007 US$Recraft: Recraft V4.1 Flash
Velocidad2sRecraft: Recraft V4.1 FlashVideo
Seis segundos de vídeo, con la misma duración y resolución en todos los modelos.
28 modelos
Valor0,050 US$TBC: mischief 1Velocidad24sTBC: mischief 1Speech
Una frase, todas las voces: ¿se reprodujeron las palabras y se siguieron las indicaciones?
36 modelos
Valor0,000 US$Mistral: Voxtral Mini TTS
Velocidad1sElevenLabs: Eleven Flash v2.5Memes
Edite un meme como imagen o anímelo como clip, con una evaluación de si se cumplió lo solicitado.
71 modelos
Valor0,009 US$Black Forest Labs: FLUX 3 Image KleinVelocidad7sBlack Forest Labs: FLUX.2 Klein 4B
Generación de artefactos
Los modelos de texto abordan tareas poco convencionales, como crear dibujos y juegos jugables.
Evaluación comparativaMuestrasValorVelocidad
Sketch
Los modelos de texto crean dibujos a partir de instrucciones. Los resultados se evalúan como imágenes.
243 modelos
Valor0,000034 US$Mistral: Mistral NemoVelocidad2sMeta: Llama 3.2 3B Instruct
Games
Los modelos de texto crean juegos jugables a partir de una sola descripción en un único intento.
52 modelos
Valor0,004 US$OpenAI: gpt-oss-120b
Velocidad15sGoogle: Gemini 3.1 Flash Lite
Razonamiento
Evaluación comparativaCalidadValorVelocidad
GPQA Diamond
Preguntas científicas de nivel de posgrado que no se resuelven con la recuperación de información y premian el razonamiento cuidadoso.
160 modelosúltima ejecución 2 nov 2026
Calidad96,5 %Gemini 4 ArgonValor0,003 US$Pareto 26.10 Preview
Velocidad20sClaude Sonnet 5.5
VGI-Bench
Preguntas de opción múltiple sobre vídeos largos: qué se mostró, se dijo o nunca ocurrió.
60 modelosúltima ejecución 2 nov 2026
Calidad66,2 %Seed 1.6Valor0,039 US$Seed 1.6Velocidad64sSeed 1.6
Buscar
Evaluación comparativaCalidadValorVelocidad
BrowseComp
Datos difíciles de localizar en la web en tiempo real, evaluados mediante investigación persistente de varios pasos.
4 modelosúltima ejecución 18 ago 2026
Calidad89,0 %PerplexityClaude Opus 5 · highValor0,99 US$PerplexityClaude Opus 5 · highVelocidad1,9mPerplexityClaude Opus 5 · highDeepSearchQA
Preguntas cuyas respuestas son listas, puntuadas por la recuperación exhaustiva sin contenido de relleno.
4 modelosúltima ejecución 18 ago 2026
Calidad77,0 %ParallelClaude Opus 5 · highValor0,10 US$PerplexityGPT-5.6 Luna · xhighVelocidad1,6mPerplexityGPT-5.6 Luna · xhighHLE
Humanity's Last Exam como prueba de evaluación de búsqueda: preguntas de expertos respondidas con búsqueda en tiempo real.
3 modelosúltima ejecución 15 sept 2026
Calidad77,4 %PerplexityClaude Opus 5 · highValor0,16 US$PerplexityClaude Opus 5 · highVelocidad48sPerplexityClaude Opus 5 · highWideSearch
Complete una tabla entera; la precisión por elemento de respuesta otorga puntuación a las coincidencias parciales.
4 modelosúltima ejecución 18 ago 2026
Calidad84,0 %PerplexityGPT-5.6 Sol · highValor0,063 US$PerplexityGPT-5.6 Luna · xhighVelocidad1,9mPerplexityGPT-5.6 Sol · high
Para consultar vistas de los mismos modelos basadas en el uso, consulte las clasificaciones de modelos y la lista completa de modelos.