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)
#223	LongCat 2.0 none	Meituan	2	0.5	$0.104	1/3	2.85s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.104 Tiempo de respuesta (promedio) 2.85s
#225	Qwen3.6 27B none	Qwen	2	0.5	$0.148	1/3	4.16s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.148 Tiempo de respuesta (promedio) 4.16s
#227	Gemini 3.1 Flash Lite Preview low	Google	2	0.5	$0.736	1/3	1.39s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.736 Tiempo de respuesta (promedio) 1.39s
#228	Gemini 3.1 Flash Lite low	Google	2	0.5	$0.717	1/3	1.53s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.717 Tiempo de respuesta (promedio) 1.53s
#233	Space Bunny Alpha medium	Stealth	2	0.5	$0.000	1/3	6.82s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.000 Tiempo de respuesta (promedio) 6.82s
#237	Grok 4.20 medium	X AI	2	0.6	$1.246	1/3	109.9s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $1.246 Tiempo de respuesta (promedio) 109.9s
#238	Space Bunny Alpha xhigh	Stealth	2	0.7	$0.000	1/3	10.6s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.000 Tiempo de respuesta (promedio) 10.6s
#242	Gemini 3.1 Flash Lite Preview none	Google	2	0.5	$0.090	1/3	967ms
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.090 Tiempo de respuesta (promedio) 967ms
#248	Qwen3.5 Plus 2026-04-20 none	Qwen	2	0.4	$0.216	0/3	1.69s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.216 Tiempo de respuesta (promedio) 1.69s
#249	Granite 4.2 8B medium	IBM Granite	2	0.5	$0.029	1/3	12.1s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.029 Tiempo de respuesta (promedio) 12.1s
#250	KAT-Coder-Pro V2.5 default	Kwaipilot	2	0.6	$0.742	1/3	22.5s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.742 Tiempo de respuesta (promedio) 22.5s
#253	GLM 5.3 FlashX low	Z.ai	2	0.5	$0.157	1/3	5.45s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.157 Tiempo de respuesta (promedio) 5.45s
#256	Seed-2.0-Lite none	Bytedance Seed	2	0.6	$0.114	1/3	2.83s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.114 Tiempo de respuesta (promedio) 2.83s
#257	Gemini 3.1 Flash Lite minimal	Google	2	0.5	$0.080	1/3	831ms
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.080 Tiempo de respuesta (promedio) 831ms
#258	gpt-oss-120b medium	OpenAI	2	0.6	$0.030	1/3	38.4s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.030 Tiempo de respuesta (promedio) 38.4s

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 estimado