Ranking de Programación x Respuesta incorrecta

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

456

Modelo más afectado

Qwen3.6 Flash 3

Motivos de fallo

Respuesta incorrecta456 Error de API64 No siguió las instrucciones41 Sin respuesta41 Formato extra36 Tiempo agotado24

Categorías

Específico del dominio811 Trucos anti-IA470 Programación456 Resolución de acertijos323 Cultura general289 Combinado121 Inteligencia general121 Tareas de agentes120 Seguimiento de instrucciones101 Análisis y extracción de datos77

265/265

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#316	Mercury 2.5 Preview low	Inception	2	0.5	$0.015	1/3	972ms
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.015 Tiempo de respuesta (promedio) 972ms
#318	Dots 3 Note Preview default	Dots Studio	2	0.5	$0.000	0/3	6.12s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.000 Tiempo de respuesta (promedio) 6.12s
#327	MiMo-V2.5 none	Xiaomi	2	0.5	$0.049	1/3	3.24s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.049 Tiempo de respuesta (promedio) 3.24s
#329	Hy4 preview none	Tencent	2	0.4	$0.165	0/3	45.5s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.165 Tiempo de respuesta (promedio) 45.5s
#338	Qwen3 Coder Next medium	Qwen	2	0.4	$0.071	0/3	924ms
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.071 Tiempo de respuesta (promedio) 924ms
#339	DeepSeek V3.2 none	DeepSeek	2	0.3	$0.119	0/3	14.5s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.119 Tiempo de respuesta (promedio) 14.5s
#342	GLM 5V Turbo none	Z.ai	2	0.5	$0.052	1/3	3.13s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.052 Tiempo de respuesta (promedio) 3.13s
#355	Granite 4.2 8B none	IBM Granite	2	0.5	$0.037	1/3	105.6s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.037 Tiempo de respuesta (promedio) 105.6s
#363	Mercury 2.5 none	Inception	2	0.4	$0.026	0/3	12.5s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.026 Tiempo de respuesta (promedio) 12.5s
#385	MiMo-V2-Flash default	Xiaomi	2	0.4	$0.025	0/3	2.64s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.025 Tiempo de respuesta (promedio) 2.64s
#394	Jev 1.13 default	Typesafe	2	0.2	$0.003	0/2	598ms
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.003 Tiempo de respuesta (promedio) 598ms
#396	GPT-6 Luna Decisions default	OpenAI	2	0.3	$0.005	0/2	447ms
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.005 Tiempo de respuesta (promedio) 447ms
#399	D1 default	Liquid	2	0.2	$0.003	0/2	456ms
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.003 Tiempo de respuesta (promedio) 456ms
#15	Gemini 3 Flash Preview medium	Google	1	0.9	$0.876	2/3	84.4s
Pruebas totales 3 Pruebas incorrectas 1 Costo total $0.876 Tiempo de respuesta (promedio) 84.4s
#17	Gemini 3.7 Flash medium	Google	1	0.8	$0.278	2/3	8.86s
Pruebas totales 3 Pruebas incorrectas 1 Costo total $0.278 Tiempo de respuesta (promedio) 8.86s

←

1 9 10 11 18

→

Filtrar modelos

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado

Programación: Respuesta incorrecta

Filtrar modelos

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado