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)
#285	GPT-6 Luna none	OpenAI	2	0.5	$0.026	1/3	8.04s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.026 Tiempo de respuesta (promedio) 8.04s
#286	Gemma 4 26B A4B none	Google	2	0.4	$0.031	0/3	4.16s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.031 Tiempo de respuesta (promedio) 4.16s
#287	GLM 5V Turbo medium	Z.ai	2	0.6	$0.457	1/3	63.4s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.457 Tiempo de respuesta (promedio) 63.4s
#290	Qwen3.8 27B none	Qwen	2	0.5	~$0.010	1/3	1.19s
Pruebas totales 3 Pruebas incorrectas 2 Costo total ~$0.010 Tiempo de respuesta (promedio) 1.19s
#292	Hy4 preview low	Tencent	2	0.5	$1.844	0/3	219.1s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $1.844 Tiempo de respuesta (promedio) 219.1s
#293	MiMo-V2.6-Flash none	Xiaomi	2	0.4	$0.060	0/3	744ms
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.060 Tiempo de respuesta (promedio) 744ms
#295	Ember-1 none	Fireworks	2	0.5	$0.786	1/3	1.94s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.786 Tiempo de respuesta (promedio) 1.94s
#298	Granite 4.2 8B low	IBM Granite	2	0.5	$0.036	1/3	13.0s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.036 Tiempo de respuesta (promedio) 13.0s
#299	Kimi K2.5 none	Moonshot AI	2	0.5	$0.262	1/3	24.6s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.262 Tiempo de respuesta (promedio) 24.6s
#302	Qwen3.6 35B A3B none	Qwen	2	0.5	$0.105	1/3	8.77s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.105 Tiempo de respuesta (promedio) 8.77s
#304	Ling 3.0 Flash none	Inclusionai	2	0.5	$0.004	1/3	6.39s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.004 Tiempo de respuesta (promedio) 6.39s
#305	Nemotron 3.5 Lightning high	NVIDIA	2	0.4	$0.168	0/3	168.4s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.168 Tiempo de respuesta (promedio) 168.4s
#311	Mercury 2.5 low	Inception	2	0.5	$0.020	1/3	972ms
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.020 Tiempo de respuesta (promedio) 972ms
#312	KAT Coder AIR V2.5 medium	Kwaipilot	2	0.4	$0.048	0/3	23.4s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.048 Tiempo de respuesta (promedio) 23.4s
#313	MiMo-V2.5-Pro none	Xiaomi	2	0.4	$0.135	0/3	1.41s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.135 Tiempo de respuesta (promedio) 1.41s

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: 0.0968 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.009566.

Mejores modelos por Costo desperdiciado estimado