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) |
|---|---|---|---|---|---|---|---|
| #152 | Mistral Small 4 medium | Mistral | 3 | 4.4 | $0.068 | 0/3 | 40.0s |
| #154 | Qwen3.5-9B none | Qwen | 3 | 3.9 | $0.006 | 0/3 | 5.60s |
| #158 | GPT-4o-mini none | OpenAI | 3 | 3.2 | $0.006 | 0/3 | 1.63s |
| #160 | GLM 4.7 Flash none | Z.ai | 3 | 4.3 | $0.004 | 0/3 | 2.54s |
| #161 | Nemotron 3 Super none | NVIDIA | 3 | 3.3 | $0.006 | 0/3 | 2.64s |
| #164 | GPT-5.4 Nano none | OpenAI | 3 | 4.6 | $0.011 | 0/3 | 2.22s |
| #170 | Mercury 2 none | Inception | 3 | 3.4 | $0.011 | 0/3 | 1.03s |
| #34 | Qwen3.5-27B medium | Qwen | 2 | 6.2 | $0.536 | 1/3 | 160.7s |
| #37 | GPT-5.6 Terra medium | OpenAI | 2 | 6.1 | $0.496 | 1/3 | 7.19s |
| #40 | Gemini 3.1 Flash Lite Preview medium | 2 | 5.5 | $0.068 | 1/3 | 4.09s | |
| #41 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 2 | 6.2 | $0.317 | 1/3 | 125.3s |
| #42 | Gemini 3.1 Flash Lite medium | 2 | 5.5 | $0.071 | 1/3 | 3.81s | |
| #47 | GPT-5.6 Terra low | OpenAI | 2 | 6.6 | $0.343 | 1/3 | 9.56s |
| #50 | GPT-5.6 Luna high | OpenAI | 2 | 5.5 | $0.924 | 1/3 | 15.6s |
| #54 | GPT-5.6 Luna medium | OpenAI | 2 | 5.4 | $0.258 | 1/3 | 10.4s |