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) |
|---|---|---|---|---|---|---|---|
| #57 | GPT-5.3 Chat none | OpenAI | 2 | 5.6 | $0.433 | 1/3 | 10.5s |
| #58 | GPT-5.4 Nano medium | OpenAI | 2 | 6.1 | $0.107 | 1/3 | 19.1s |
| #64 | Gemini 3 Flash Preview low | 2 | 5.8 | $0.111 | 1/3 | 6.00s | |
| #65 | Grok 4.20 medium | X AI | 2 | 6.3 | $0.609 | 1/3 | 109.9s |
| #68 | GLM 5V Turbo medium | Z.ai | 2 | 6.0 | $0.457 | 1/3 | 63.4s |
| #72 | Qwen3.7 Plus none | Qwen | 2 | 5.5 | $0.023 | 1/3 | 2.15s |
| #73 | GLM 5.2 none | Z.ai | 2 | 3.7 | $0.030 | 0/3 | 7.55s |
| #77 | Laguna XS 2.1 medium | Poolside | 2 | 5.5 | $0.036 | 1/3 | 70.3s |
| #80 | Gemini 3 Flash Preview none | 2 | 5.5 | $0.025 | 1/3 | 1.80s | |
| #81 | Qwen3.7 Max none | Qwen | 2 | 5.5 | $0.054 | 1/3 | 1.35s |
| #83 | Qwen3.5-Flash medium | Qwen | 2 | 3.7 | $0.080 | 0/3 | 58.9s |
| #89 | MiMo-V2.5 medium | Xiaomi | 2 | 6.2 | $0.061 | 1/3 | 97.1s |
| #91 | gpt-oss-120b medium | OpenAI | 2 | 5.9 | $0.013 | 1/3 | 38.4s |
| #92 | GPT-5 Nano medium | OpenAI | 2 | 7.0 | $0.081 | 1/3 | 41.6s |
| #95 | Gemini 3.1 Flash Lite Preview low | 2 | 5.5 | $0.026 | 1/3 | 1.39s |