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) |
|---|---|---|---|---|---|---|---|
| #98 | Gemini 3.1 Flash Lite Preview none | 2 | 5.5 | $0.018 | 1/3 | 967ms | |
| #99 | Gemini 3.1 Flash Lite low | 2 | 5.5 | $0.028 | 1/3 | 1.53s | |
| #102 | GPT-5.6 Sol none | OpenAI | 2 | 5.5 | $0.225 | 1/3 | 1.39s |
| #105 | GPT-5.5 none | OpenAI | 2 | 5.5 | $0.231 | 1/3 | 1.35s |
| #107 | Seed-2.0-Lite none | Bytedance Seed | 2 | 5.6 | $0.019 | 1/3 | 2.83s |
| #108 | GPT-5.6 Luna low | OpenAI | 2 | 5.5 | $0.141 | 1/3 | 4.61s |
| #109 | Gemini 2.5 Flash none | 2 | 5.5 | $0.016 | 1/3 | 736ms | |
| #110 | Gemini 3.1 Flash Lite minimal | 2 | 5.5 | $0.013 | 1/3 | 831ms | |
| #112 | Gemini 3.1 Flash Lite none | 2 | 5.5 | $0.013 | 1/3 | 938ms | |
| #113 | Qwen3.5-Flash none | Qwen | 2 | 5.5 | $0.005 | 1/3 | 850ms |
| #114 | Gemma 4 31B none | 2 | 5.5 | $0.004 | 1/3 | 11.2s | |
| #115 | Nemotron 3 Ultra 550b A55b none | NVIDIA | 2 | 5.5 | $0.027 | 1/3 | 1.02s |
| #117 | GPT-5.6 Terra none | OpenAI | 2 | 5.5 | $0.130 | 1/3 | 1.00s |
| #119 | Qwen3.6 Flash none | Qwen | 2 | 5.4 | $0.015 | 1/3 | 1.79s |
| #120 | Qwen3.5-35B-A3B none | Qwen | 2 | 5.5 | $0.012 | 1/3 | 1.39s |