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

337

Modelo más afectado

Qwen3.6 Flash 3

Motivos de fallo

Respuesta incorrecta337 Error de API51 Sin respuesta39 Tiempo agotado27 Formato extra25 No siguió las instrucciones25

Categorías

Específico del dominio608 Trucos anti-IA373 Programación337 Resolución de acertijos267 Cultura general229 Combinado88 Inteligencia general86 Seguimiento de instrucciones78 Análisis y extracción de datos59 Llamada de herramientas5

197/197

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#207	GLM 5V Turbo none	Z.ai	2	5.5	$0.052	1/3	3.13s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.052 Tiempo de respuesta (promedio) 3.13s
#209	Gemma 4 26B A4B none	Google	2	3.7	$0.015	0/3	4.16s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.015 Tiempo de respuesta (promedio) 4.16s
#212	KAT-Coder-Air V2.5 medium	Kwaipilot	2	3.6	$0.048	0/3	23.4s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.048 Tiempo de respuesta (promedio) 23.4s
#213	Nemotron 3.5 Lightning high	NVIDIA	2	4.4	$0.134	0/3	168.4s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.134 Tiempo de respuesta (promedio) 168.4s
#214	Qwen3.6 27B none	Qwen	2	5.5	$0.116	1/3	4.16s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.116 Tiempo de respuesta (promedio) 4.16s
#216	Qwen3.8 27B none	Qwen	2	5.5	~$0.006	1/3	1.19s
Pruebas totales 3 Pruebas incorrectas 2 Costo total ~$0.006 Tiempo de respuesta (promedio) 1.19s
#222	MiMo-V2.5-Pro none	Xiaomi	2	4.3	$0.068	0/3	1.41s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.068 Tiempo de respuesta (promedio) 1.41s
#223	Kimi K2.5 none	Moonshot AI	2	5.5	$0.101	1/3	24.6s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.101 Tiempo de respuesta (promedio) 24.6s
#231	Qwen3.6 35B A3B none	Qwen	2	5.5	$0.060	1/3	8.77s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.060 Tiempo de respuesta (promedio) 8.77s
#232	Dots 3 Note Preview none	Dots Studio	2	4.6	$0.000	0/3	6.12s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.000 Tiempo de respuesta (promedio) 6.12s
#238	MiMo-V2.5 none	Xiaomi	2	5.5	$0.025	1/3	3.24s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.025 Tiempo de respuesta (promedio) 3.24s
#244	DeepSeek V3.2 none	DeepSeek	2	3.1	$0.054	0/3	14.5s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.054 Tiempo de respuesta (promedio) 14.5s
#262	Qwen3 Coder Next medium	Qwen	2	3.7	$0.034	0/3	924ms
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.034 Tiempo de respuesta (promedio) 924ms
#274	MiMo-V2-Flash none	Xiaomi	2	4.3	$0.025	0/3	2.64s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.025 Tiempo de respuesta (promedio) 2.64s
#5	Gemini 3 Flash Preview medium	Google	1	8.6	$0.763	2/3	84.4s
Pruebas totales 3 Pruebas incorrectas 1 Costo total $0.763 Tiempo de respuesta (promedio) 84.4s

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 estimadoSolo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.0572 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.005659.

Mejores modelos por Costo desperdiciado estimado