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)
#125	GPT-5.4 none	OpenAI	1	3.0	0/1	2.89s
#131	Qwen3.5-122B-A10B none	Qwen	1	3.0	0/1	46.0s
#132	Mistral Small 4 medium	Mistral	1	3.0	0/1	25.3s
#134	GLM 5 Turbo none	Z.ai	1	3.0	0/1	4.89s
#135	Kimi K2.5 none	Moonshot AI	1	2.8	0/1	19.2s
#136	Elephant Alpha medium	Openrouter	1	3.0	0/1	3.70s
#137	Elephant Alpha none	Openrouter	1	3.0	0/1	3.81s
#140	Qwen3 Coder Next none	Qwen	1	3.0	0/1	45.1s
#141	Nemotron 3 Super none	NVIDIA	1	3.0	0/1	16.4s
#142	Mistral Small 4 none	Mistral	1	3.0	0/1	1.72s
#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
#146	Laguna Xs.2 none	Poolside	1	3.0	0/1	2.01s
#147	GPT-4o-mini none	OpenAI	1	3.0	0/1	7.58s
#148	GPT-5.4 Nano none	OpenAI	1	3.0	0/1	3.84s

←

1 2 3 4

→

Mejores modelos por Cantidad de Respuesta incorrecta