Ranking de Combinado x Respuesta incorrecta

Fallos por categoría de AI BENCHY

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

Modelos mostrados

Fallos totales

Modelo más afectado

Motivos de fallo

Respuesta incorrecta52 Llamada de herramienta no válida19 Error de API13 Sin respuesta2 Tiempo agotado2 No siguió las instrucciones1

Categorías

Específico del dominio314 Trucos anti-IA245 Programación194 Resolución de acertijos147 Cultura general130 Seguimiento de instrucciones53 Combinado52 Análisis y extracción de datos35 Inteligencia general32 Llamada de herramientas2

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Pruebas correctas	Tiempo de respuesta (promedio)
#16	Gemini 3 Flash Preview low	Google	1	3.0	0/1	3.27s
#34	Qwen3.7 Max none	Qwen	1	3.0	0/1	2.17s
#35	Gemini 3 PRO Preview medium	Google	1	3.0	0/1	10.4s
#48	Gemini 3 Flash Preview none	Google	1	4.7	0/1	3.56s
#50	Gemini 3.1 Flash Lite Preview low	Google	1	3.0	0/1	11.9s
#51	Mimo V2 PRO medium	Xiaomi	1	4.7	0/1	64.7s
#58	Gemini 3.1 Flash Lite Preview none	Google	1	3.0	0/1	3.20s
#61	Gemini 3.1 Flash Lite low	Google	1	3.0	0/1	4.48s
#74	Qwen3.6 Max Preview none	Qwen	1	3.0	0/1	20.5s
#87	Gemini 3.1 Flash Lite minimal	Google	1	3.0	0/1	2.53s
#90	Gemini 3.1 Flash Lite none	Google	1	3.0	0/1	2.73s
#91	GPT-5.5 none	OpenAI	1	3.0	0/1	5.56s
#95	Qwen3.5 Plus 2026-02-15 none	Qwen	1	3.0	0/1	6.65s
#97	Gemini 2.5 Flash none	Google	1	3.0	0/1	4.39s
#98	GLM 5 none	Z.ai	1	3.0	0/1	4.98s

Mejores modelos por Cantidad de Respuesta incorrecta