Fallos por categoría de AI BENCHY
Combinado: Respuesta incorrecta
Combinado
Respuesta incorrecta
Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Combinado, para detectar puntos débiles más rápido. Ordenar por: Tiempo de respuesta (promedio) ↑.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #155 | Mercury 2 none | Inception | 1 | 3.0 | 0/1 | 606ms |
| #142 | Mistral Small 4 none | Mistral | 1 | 3.0 | 0/1 | 1.72s |
| #146 | Laguna Xs.2 none | Poolside | 1 | 3.0 | 0/1 | 2.01s |
| #34 | Qwen3.7 Max none | Qwen | 1 | 3.0 | 0/1 | 2.17s |
| #143 | MiMo-V2.5 none | Xiaomi | 1 | 3.0 | 0/1 | 2.36s |
| #144 | GPT-5.4 Mini none | OpenAI | 1 | 3.0 | 0/1 | 2.52s |
| #87 | Gemini 3.1 Flash Lite minimal | 1 | 3.0 | 0/1 | 2.53s | |
| #90 | Gemini 3.1 Flash Lite none | 1 | 3.0 | 0/1 | 2.73s | |
| #152 | MiMo-V2-Flash none | Xiaomi | 1 | 3.0 | 0/1 | 2.87s |
| #125 | GPT-5.4 none | OpenAI | 1 | 3.0 | 0/1 | 2.89s |
| #58 | Gemini 3.1 Flash Lite Preview none | 1 | 3.0 | 0/1 | 3.20s | |
| #16 | Gemini 3 Flash Preview low | 1 | 3.0 | 0/1 | 3.27s | |
| #157 | Grok 4.1 Fast none | X AI | 1 | 3.0 | 0/1 | 3.33s |
| #124 | Kimi K2.6 none | Moonshot AI | 1 | 3.0 | 0/1 | 3.38s |
| #48 | Gemini 3 Flash Preview none | 1 | 4.7 | 0/1 | 3.56s |