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
197/197
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) |
|---|---|---|---|---|---|---|---|
| #71 | Qwen3.7 Flash high | Qwen | 1 | 8.2 | $0.052 | 2/3 | 58.8s |
| #73 | Seed-2.0-Code low | Bytedance Seed | 1 | 7.0 | $0.767 | 1/3 | 109.7s |
| #76 | DeepSeek V4 Flash 0423 high | DeepSeek | 1 | 7.8 | $0.042 | 2/3 | 50.6s |
| #79 | Solar Pro 4 xhigh | Upstage | 1 | 5.8 | $0.050 | 1/3 | 292.2s |
| #80 | Nemotron 3 Ultra medium | NVIDIA | 1 | 8.4 | $0.780 | 2/3 | 26.5s |
| #81 | Claude Opus 5 none | Anthropic | 1 | 5.9 | $1.550 | 1/3 | 5.54s |
| #86 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 6.6 | $0.459 | 1/3 | 180.7s |
| #88 | GPT-5.4 Mini medium | OpenAI | 1 | 8.4 | $0.786 | 2/3 | 57.9s |
| #89 | Grok Build 0.1 medium | X AI | 1 | 5.7 | $1.130 | 1/3 | 108.5s |
| #98 | Claude Sonnet 4.6 none | Anthropic | 1 | 5.5 | $0.661 | 1/3 | 5.19s |
| #100 | KAT-Coder-Pro V2.5 low | Kwaipilot | 1 | 7.8 | $0.400 | 2/3 | 24.9s |
| #104 | Claude Opus 4.8 none | Anthropic | 1 | 5.5 | $1.166 | 1/3 | 3.29s |
| #107 | Muse Glimmer 30B high | Meta | 1 | 8.8 | $0.535 | 2/3 | 96.0s |
| #110 | Muse Glimmer 30B medium | Meta | 1 | 8.4 | $0.280 | 2/3 | 33.7s |
| #111 | Qwen3.5-122B-A10B medium | Qwen | 1 | 6.0 | $1.047 | 1/3 | 114.5s |