Ranking de Programación x Respuesta incorrecta

Fallos por categoría de AI BENCHY

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

Modelos mostrados

Fallos totales

120

Modelo más afectado

Motivos de fallo

Respuesta incorrecta120 Sin respuesta18 No siguió las instrucciones16 Tiempo agotado12 Formato extra7 Error de API6

Categorías

Específico del dominio298 Trucos anti-IA235 Resolución de acertijos148 Cultura general127 Programación120 Seguimiento de instrucciones52 Combinado51 Análisis y extracción de datos32 Inteligencia general27 Llamada de herramientas2

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Pruebas correctas	Tiempo de respuesta (promedio)
#59	Qwen3.6 Flash medium	Qwen	2	5.1	0/2	51.9s
#66	Qwen3.6 Max Preview none	Qwen	2	4.2	0/2	3.06s
#77	Grok 4.20 medium	X AI	2	4.1	0/2	65.1s
#88	Qwen3.5 Plus 2026-02-15 none	Qwen	2	4.9	0/2	2.54s
#89	GLM 5 none	Z.ai	2	4.6	0/2	5.18s
#94	GPT-5 Nano medium	OpenAI	2	5.4	0/2	47.8s
#95	DeepSeek V4 Pro none	DeepSeek	2	5.4	0/2	8.27s
#109	GLM 4.7 Flash none	Z.ai	2	5.0	0/2	3.35s
#111	gpt-oss-120b medium	OpenAI	2	3.9	0/2	47.2s
#113	GLM 5.1 none	Z.ai	2	4.3	0/2	6.33s
#121	Mistral Small 4 medium	Mistral	2	5.1	0/2	44.8s
#124	Qwen3.5-122B-A10B none	Qwen	2	4.0	0/2	2.14s
#125	GLM 5 Turbo none	Z.ai	2	4.4	0/2	2.58s
#131	DeepSeek V4 Flash none	DeepSeek	2	4.8	0/2	24.5s
#132	Qwen3 Coder Next none	Qwen	2	5.4	0/2	2.01s

1 2 3 4 5 6 7

→

Mejores modelos por Cantidad de Respuesta incorrecta