Fallos por categoría de AI BENCHY
Programación: Respuesta incorrecta
Programación
Respuesta incorrecta
Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Programación, para detectar puntos débiles más rápido.
Motivos de fallo
134/134
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #59 | Qwen3.6 Flash medium | Qwen | 3 | 5.0 | $0.288 | 0/3 | 42.9s |
| #115 | Qwen3.6 Max Preview none | Qwen | 3 | 3.8 | $0.075 | 0/3 | 3.12s |
| #117 | GLM 5 none | Z.ai | 3 | 4.0 | $0.027 | 0/3 | 5.12s |
| #122 | Qwen3.5 Plus 2026-02-15 none | Qwen | 3 | 4.3 | $0.016 | 0/3 | 2.05s |
| #123 | North Mini Code medium | Cohere | 3 | 4.5 | $0.000 | 0/3 | 320.4s |
| #131 | Claude Sonnet 5 none | Anthropic | 3 | 4.6 | $0.287 | 0/3 | 3.67s |
| #133 | GLM 5.1 none | Z.ai | 3 | 3.9 | $0.057 | 0/3 | 4.96s |
| #134 | DeepSeek V4 Flash none | DeepSeek | 3 | 4.2 | $0.007 | 0/3 | 17.1s |
| #140 | GLM 5 Turbo none | Z.ai | 3 | 3.9 | $0.047 | 0/3 | 2.41s |
| #141 | Laguna XS 2.1 none | Poolside | 3 | 4.3 | $0.003 | 0/3 | 623ms |
| #142 | GPT-5.6 Luna none | OpenAI | 3 | 3.8 | $0.047 | 0/3 | 980ms |
| #144 | Qwen3.5-122B-A10B none | Qwen | 3 | 3.7 | $0.020 | 0/3 | 2.77s |
| #148 | Mistral Small 4 none | Mistral | 3 | 3.7 | $0.007 | 0/3 | 901ms |
| #149 | Qwen3 Coder Next none | Qwen | 3 | 4.6 | $0.009 | 0/3 | 2.22s |
| #150 | North Mini Code none | Cohere | 3 | 3.9 | $0.000 | 0/3 | 22.0s |