Ranking de Combinado x Error de API

Mira qué modelos de IA tienen más probabilidades de caer en Error de API dentro de Combinado, para detectar puntos débiles más rápido.

Modelos mostrados

Fallos totales

Modelo más afectado

Seed-2.0-Code 2

Motivos de fallo

Llamada de herramienta no válida180 Respuesta incorrecta128 Error de API62 Sin respuesta56 Tiempo agotado11 Formato extra1 No siguió las instrucciones1

Categorías

Programación65 Combinado62 Trucos anti-IA44 Específico del dominio40 Llamada de herramientas39 Análisis y extracción de datos37 Tareas de agentes36 Resolución de acertijos35 Seguimiento de instrucciones25 Cultura general19

49/49

Rango	Modelo	Empresa	Cantidad de Error de API	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#154	Seed-2.0-Code medium	Bytedance Seed	2	0.5	$1.275	0/2	102.3s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $1.275 Tiempo de respuesta (promedio) 102.3s
#225	Beam 1.0 501B A23B medium	Reflection	2	0.3	$0.499	0/2	2.62s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.499 Tiempo de respuesta (promedio) 2.62s
#232	Beam 1.0 501B A23B xhigh	Reflection	2	0.3	$0.688	0/2	2.68s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.688 Tiempo de respuesta (promedio) 2.68s
#240	Beam 1.0 501B A23B max	Reflection	2	0.3	$0.799	0/2	3.04s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.799 Tiempo de respuesta (promedio) 3.04s
#245	Beam 1.0 501B A23B low	Reflection	2	0.3	$0.432	0/2	2.22s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.432 Tiempo de respuesta (promedio) 2.22s
#273	Gemini 3.5 Flash none	Google	2	0.3	$1.752	0/2	0ms
Pruebas totales 2 Pruebas incorrectas 2 Costo total $1.752 Tiempo de respuesta (promedio) 0ms
#274	Beam 1.0 501B A23B high	Reflection	2	0.3	$0.674	0/2	2.68s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.674 Tiempo de respuesta (promedio) 2.68s
#326	Hy4 preview low	Tencent	2	0.3	$1.844	0/2	139.4s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $1.844 Tiempo de respuesta (promedio) 139.4s
#384	Ring 2.6 1t default	Inclusionai	2	0.3	$0.026	0/2	0ms
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.026 Tiempo de respuesta (promedio) 0ms
#417	Command A+ medium	Cohere	2	0.3	$0.064	0/2	89.3s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.064 Tiempo de respuesta (promedio) 89.3s
#423	Command A+ high	Cohere	2	0.3	$0.079	0/2	80.7s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.079 Tiempo de respuesta (promedio) 80.7s
#426	Command A+ none	Cohere	2	0.3	$0.000	0/2	46.6s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.000 Tiempo de respuesta (promedio) 46.6s
#427	Command A+ low	Cohere	2	0.3	$0.073	0/2	83.5s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.073 Tiempo de respuesta (promedio) 83.5s
#17	Gemini 4 Argon high	Google	1	0.7	$1.802	1/2	56.3s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $1.802 Tiempo de respuesta (promedio) 56.3s
#94	Kimi K3 max	Moonshot AI	1	0.7	$3.409	1/2	223.0s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $3.409 Tiempo de respuesta (promedio) 223.0s

Filtrar modelos

Mejores modelos por Cantidad de Error de API

Cantidad de Error de API vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado

Combinado: Error de API

Filtrar modelos

Mejores modelos por Cantidad de Error de API

Cantidad de Error de API vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado