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)
#180	Qwen3.5-Flash medium	Qwen	2	0.4	$0.184	0/3	58.9s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.184 Tiempo de respuesta (promedio) 58.9s
#183	GPT-6 Sol none	OpenAI	2	0.5	$0.551	1/3	12.2s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.551 Tiempo de respuesta (promedio) 12.2s
#184	Space Bunny Alpha max	Stealth	2	0.6	$0.000	1/3	17.1s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.000 Tiempo de respuesta (promedio) 17.1s
#188	Qwen3.5-Flash none	Qwen	2	0.5	$0.089	1/3	850ms
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.089 Tiempo de respuesta (promedio) 850ms
#193	GPT 5.3 Chat default	OpenAI	2	0.6	$0.533	1/3	10.5s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.533 Tiempo de respuesta (promedio) 10.5s
#194	GPT-5.6 Sol none	OpenAI	2	0.5	$0.795	1/3	1.39s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.795 Tiempo de respuesta (promedio) 1.39s
#196	GLM 5.3 Flash low	Z.ai	2	0.5	$0.038	1/3	10.4s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.038 Tiempo de respuesta (promedio) 10.4s
#197	GPT-5.5 none	OpenAI	2	0.5	$1.212	1/3	1.35s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $1.212 Tiempo de respuesta (promedio) 1.35s
#198	GLM 5.2 none	Z.ai	2	0.4	$0.250	0/3	7.55s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.250 Tiempo de respuesta (promedio) 7.55s
#199	Qwen3.7 Flash medium	Qwen	2	0.6	$0.076	1/3	46.8s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.076 Tiempo de respuesta (promedio) 46.8s
#207	Mercury 2.5 high	Inception	2	0.6	$0.044	1/3	6.58s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.044 Tiempo de respuesta (promedio) 6.58s
#208	GLM 5.3 low	Z.ai	2	0.6	$0.215	1/3	21.0s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.215 Tiempo de respuesta (promedio) 21.0s
#210	KAT-Coder-Pro V2.5 high	Kwaipilot	2	0.6	$0.506	1/3	22.0s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.506 Tiempo de respuesta (promedio) 22.0s
#212	Laguna XS 2.1 medium	Poolside	2	0.5	$0.083	1/3	70.3s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.083 Tiempo de respuesta (promedio) 70.3s
#214	Gemini 3 Flash Preview none	Google	2	0.5	$0.155	1/3	1.80s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.155 Tiempo de respuesta (promedio) 1.80s

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