Ranking de Programación x Respuesta incorrecta

Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Programación, para detectar puntos débiles más rápido.

Modelos mostrados

Fallos totales

456

Modelo más afectado

Qwen3.6 Flash 3

Motivos de fallo

Respuesta incorrecta456 Error de API64 No siguió las instrucciones41 Sin respuesta41 Formato extra36 Tiempo agotado24

Categorías

Específico del dominio811 Trucos anti-IA470 Programación456 Resolución de acertijos323 Cultura general289 Combinado121 Inteligencia general121 Tareas de agentes120 Seguimiento de instrucciones101 Análisis y extracción de datos77

265/265

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#122	Qwen3.7 Flash low	Qwen	2	0.7	$0.071	1/3	42.4s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.071 Tiempo de respuesta (promedio) 42.4s
#125	GPT-6 Luna low	OpenAI	2	0.6	$0.033	1/3	15.4s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.033 Tiempo de respuesta (promedio) 15.4s
#127	Space Bunny Alpha high	Stealth	2	0.6	$0.000	1/3	8.29s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.000 Tiempo de respuesta (promedio) 8.29s
#132	GPT-5.6 Luna medium	OpenAI	2	0.5	$0.065	1/3	10.4s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.065 Tiempo de respuesta (promedio) 10.4s
#143	Claude Fable 5.1 medium	Anthropic	2	0.7	$3.197	1/3	11.0s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $3.197 Tiempo de respuesta (promedio) 11.0s
#149	Qwen3.5-27B none	Qwen	2	0.6	$0.116	1/3	1.80s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.116 Tiempo de respuesta (promedio) 1.80s
#150	Qwen3.5 Plus 2026-02-15 medium	Qwen	2	0.7	$0.567	1/3	180.7s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.567 Tiempo de respuesta (promedio) 180.7s
#152	Gemini 3.8 Flash low	Google	2	0.5	$0.323	1/3	4.31s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.323 Tiempo de respuesta (promedio) 4.31s
#161	GLM 5.3 FlashX medium	Z.ai	2	0.6	$0.114	1/3	6.37s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.114 Tiempo de respuesta (promedio) 6.37s
#163	MiMo-V2.5 medium	Xiaomi	2	0.6	$0.130	1/3	97.1s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.130 Tiempo de respuesta (promedio) 97.1s
#166	Gemini 3.1 Flash Lite Preview medium	Google	2	0.5	$0.158	1/3	4.09s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.158 Tiempo de respuesta (promedio) 4.09s
#170	Grok 4.6 low	X AI	2	0.6	$0.781	1/3	21.7s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.781 Tiempo de respuesta (promedio) 21.7s
#171	Gemini 3 Flash Preview low	Google	2	0.6	$0.254	1/3	6.00s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.254 Tiempo de respuesta (promedio) 6.00s
#173	Gemini 3.1 Flash Lite medium	Google	2	0.5	$0.153	1/3	3.81s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.153 Tiempo de respuesta (promedio) 3.81s
#176	GPT-5.6 Luna low	OpenAI	2	0.5	$0.049	1/3	4.61s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.049 Tiempo de respuesta (promedio) 4.61s

Filtrar modelos

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado

Programación: Respuesta incorrecta

Filtrar modelos

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado