AI BENCHY
Comparar Gráficos Metodología
❤️ Made by XCS
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Fallos por categoría de AI BENCHY

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: Pruebas correctas ↓.

Modelos mostrados

21

Fallos totales

21

Modelo más afectado

Gemini 3 Flash Preview 1
Rango Modelo Empresa Cantidad de Respuesta incorrecta Puntuación de categoría Pruebas correctas Tiempo de respuesta (promedio)
#5 Gemini 3 Flash Preview low Google 1 10.0 0/1 3.27s
#6 Gemini 3 Pro Preview medium Google 1 10.0 0/1 10.4s
#17 Gemini 3.1 Flash Lite Preview low Google 1 10.0 0/1 11.9s
#20 Gemini 3 Flash Preview none Google 1 10.0 0/1 3.56s
#22 Gemini 3.1 Flash Lite Preview none Google 1 10.0 0/1 3.20s
#29 Qwen3.5 Plus 2026-02-15 none Qwen 1 10.0 0/1 6.65s
#31 GLM 5 none Z.ai 1 10.0 0/1 4.98s
#37 Qwen3.5-Flash none Qwen 1 10.0 0/1 6.22s
#38 Gemini 2.5 Flash none Google 1 10.0 0/1 4.39s
#40 Qwen3.5-122B-A10B none Qwen 1 10.0 0/1 46.0s
#41 Qwen3.5-27B none Qwen 1 10.0 0/1 9.39s
#42 Qwen3.5-35B-A3B none Qwen 1 10.0 0/1 47.4s
#44 GPT-5.4 none OpenAI 1 10.0 0/1 2.89s
#45 Trinity Large Preview none Arcee AI 1 10.0 0/1 8.91s
#46 Kimi K2.5 none Moonshot AI 1 10.0 0/1 19.2s
#47 GPT-4o-mini none OpenAI 1 10.0 0/1 7.58s
#48 Qwen3 Coder Next none Qwen 1 10.0 0/1 45.1s
#50 Qwen3 Coder Next medium Qwen 1 10.0 0/1 4.28s
#51 Mercury 2 none Inception 1 10.0 0/1 606ms
#53 Grok 4.1 Fast none X AI 1 10.0 0/1 3.33s
#54 MiMo-V2-Flash none Xiaomi 1 10.0 0/1 2.87s

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs puntuación promedio

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado