Ranking de Trucos anti-IA x Respuesta incorrecta

Fallos por categoría de AI BENCHY

Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Trucos anti-IA, para detectar puntos débiles más rápido.

Modelos mostrados

Fallos totales

245

Modelo más afectado

Motivos de fallo

Respuesta incorrecta245 No siguió las instrucciones30 Formato extra14 Error de API13 Tiempo agotado4 Sin respuesta2

Categorías

Específico del dominio314 Trucos anti-IA245 Programación194 Resolución de acertijos147 Cultura general130 Seguimiento de instrucciones53 Combinado52 Análisis y extracción de datos35 Inteligencia general32 Llamada de herramientas2

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Pruebas correctas	Tiempo de respuesta (promedio)
#48	Gemini 3 Flash Preview none	Google	1	8.3	3/4	1.25s
#50	Gemini 3.1 Flash Lite Preview low	Google	1	8.3	3/4	2.12s
#52	Claude Sonnet 4.6 medium	Anthropic	1	6.5	2/4	2.98s
#53	Gemini 3.1 Flash Lite high	Google	1	8.7	3/4	37.2s
#54	GPT-5 Mini medium	OpenAI	1	7.1	2/4	13.9s
#57	Step 3.7 Flash low	Stepfun	1	8.7	3/4	4.02s
#58	Gemini 3.1 Flash Lite Preview none	Google	1	7.5	2/4	1.04s
#59	GLM 5V Turbo medium	Z.ai	1	7.2	2/4	10.8s
#60	Kimi K2.6 medium	Moonshot AI	1	7.0	2/4	11.6s
#63	GPT-5.3 Chat none	OpenAI	1	6.7	2/4	3.86s
#65	Grok 4.20 medium	X AI	1	8.2	3/4	3.95s
#70	GPT-5.4 Nano medium	OpenAI	1	8.3	3/4	4.52s
#73	Seed-2.0-Mini medium	Bytedance Seed	1	6.6	2/4	74.7s
#76	Kimi K2.5 medium	Moonshot AI	1	7.3	2/4	51.4s
#77	Claude Sonnet 4.6 none	Anthropic	1	4.8	1/4	2.94s

←

1 5 6 7 8

→

Mejores modelos por Cantidad de Respuesta incorrecta