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) |
|---|---|---|---|---|---|---|---|
| #121 | Qwen3.5-27B none | Qwen | 2 | 5.8 | $0.015 | 1/3 | 1.80s |
| #122 | GLM 5V Turbo none | Z.ai | 2 | 5.5 | $0.052 | 1/3 | 3.13s |
| #129 | GPT-5.4 none | OpenAI | 2 | 5.5 | $0.122 | 1/3 | 1.62s |
| #136 | Kimi K2.5 none | Moonshot AI | 2 | 5.5 | $0.027 | 1/3 | 24.6s |
| #137 | MiMo-V2.5-Pro none | Xiaomi | 2 | 4.3 | $0.017 | 0/3 | 1.41s |
| #138 | Qwen3.6 27B none | Qwen | 2 | 5.5 | $0.025 | 1/3 | 4.16s |
| #139 | Gemma 4 26B A4B none | 2 | 3.7 | $0.004 | 0/3 | 4.16s | |
| #140 | Qwen3.5 Plus 2026-04-20 none | Qwen | 2 | 3.9 | $0.032 | 0/3 | 1.69s |
| #144 | GPT-5.4 Mini none | OpenAI | 2 | 5.5 | $0.038 | 1/3 | 913ms |
| #146 | DeepSeek V3.2 none | DeepSeek | 2 | 3.1 | $0.016 | 0/3 | 14.5s |
| #148 | Qwen3.6 35B A3B none | Qwen | 2 | 5.5 | $0.031 | 1/3 | 8.77s |
| #154 | MiMo-V2.5 none | Xiaomi | 2 | 5.5 | $0.006 | 1/3 | 3.24s |
| #168 | Qwen3 Coder Next medium | Qwen | 2 | 3.7 | $0.008 | 0/3 | 924ms |
| #179 | MiMo-V2-Flash none | Xiaomi | 2 | 4.3 | $0.025 | 0/3 | 2.64s |
| #2 | Gemini 3 Flash Preview medium | 1 | 8.6 | $0.667 | 2/3 | 84.4s |