Ranking de Combinado x Respuesta incorrecta

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

128

Modelo más afectado

GLM 5.3 FlashX 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

Específico del dominio893 Trucos anti-IA519 Programación484 Resolución de acertijos352 Cultura general315 Inteligencia general134 Combinado128 Tareas de agentes128 Seguimiento de instrucciones117 Análisis y extracción de datos93

118/118

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#155	GLM 5.3 FlashX high	Z.ai	2	0.3	$0.210	0/2	27.7s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.210 Tiempo de respuesta (promedio) 27.7s
#192	Gemini 3 Flash Preview low	Google	2	0.3	$0.254	0/2	10.2s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.254 Tiempo de respuesta (promedio) 10.2s
#285	MiMo-V2.6-Pro none	Xiaomi	2	0.3	$0.193	0/2	7.78s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.193 Tiempo de respuesta (promedio) 7.78s
#296	DeepSeek V4.1 Flash 1017 none	DeepSeek	2	0.3	$0.055	0/2	7.51s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.055 Tiempo de respuesta (promedio) 7.51s
#304	Mistral Large 4 none	Mistral	2	0.3	$0.290	0/2	36.9s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.290 Tiempo de respuesta (promedio) 36.9s
#308	Space Bunny Alpha low	Stealth	2	0.4	$0.000	0/2	12.2s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.000 Tiempo de respuesta (promedio) 12.2s
#309	GPT-5.4 none	OpenAI	2	0.3	$0.690	0/2	9.26s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.690 Tiempo de respuesta (promedio) 9.26s
#344	Mistral Small 4 none	Mistral	2	0.3	$0.047	0/2	7.44s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.047 Tiempo de respuesta (promedio) 7.44s
#386	Nemotron 3 Super none	NVIDIA	2	0.3	$0.016	0/2	18.2s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.016 Tiempo de respuesta (promedio) 18.2s
#391	Mercury 2 none	Inception	2	0.3	$0.033	0/2	2.56s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.033 Tiempo de respuesta (promedio) 2.56s
#50	Gemini 4 Argon medium	Google	1	0.6	$0.674	1/2	15.1s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.674 Tiempo de respuesta (promedio) 15.1s
#52	Gemini 3.6 Flash low	Google	1	0.7	$0.363	1/2	19.8s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.363 Tiempo de respuesta (promedio) 19.8s
#82	Nemotron 3.5 Super VL high	NVIDIA	1	0.7	$0.349	1/2	183.5s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.349 Tiempo de respuesta (promedio) 183.5s
#99	Gemini 4 Argon low	Google	1	0.4	$0.438	0/2	11.9s
Pruebas totales 2 Pruebas incorrectas 2 Costo total $0.438 Tiempo de respuesta (promedio) 11.9s
#120	Qwen3.7 Max none	Qwen	1	0.7	$0.451	1/2	37.2s
Pruebas totales 2 Pruebas incorrectas 1 Costo total $0.451 Tiempo de respuesta (promedio) 37.2s

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

Combinado: 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