Fallos por categoría de AI BENCHY
Específico del dominio: Respuesta incorrecta
Específico del dominio
Respuesta incorrecta
Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Específico del dominio, para detectar puntos débiles más rápido.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #9 | Qwen3.6 Plus Preview medium | Qwen | 3 | 3.0 | 0/3 | 22.1s |
| #17 | Gemini 3.1 Flash Lite Preview medium | 3 | 3.0 | 0/3 | 4.21s | |
| #19 | Qwen3.5-122B-A10B medium | Qwen | 3 | 2.9 | 0/3 | 63.4s |
| #20 | Qwen3.6 Plus medium | Qwen | 3 | 2.9 | 0/3 | 29.6s |
| #36 | GPT-5.3 Chat none | OpenAI | 3 | 3.5 | 0/3 | 13.0s |
| #44 | GPT-5.4 Mini medium | OpenAI | 3 | 4.1 | 0/3 | 65.3s |
| #53 | GLM 5 none | Z.ai | 3 | 3.0 | 0/3 | 2.24s |
| #54 | Mercury 2 medium | Inception | 3 | 2.9 | 0/3 | 6.48s |
| #60 | Gemma 4 26B A4B none | 3 | 3.6 | 0/3 | 2.49s | |
| #61 | Seed-2.0-Lite none | Bytedance Seed | 3 | 3.6 | 0/3 | 1.33s |
| #64 | DeepSeek V3.2 none | DeepSeek | 3 | 3.6 | 0/3 | 1.61s |
| #67 | Qwen3.5-27B none | Qwen | 3 | 3.0 | 0/3 | 540ms |
| #68 | gpt-oss-120b medium | OpenAI | 3 | 2.9 | 0/3 | 50.9s |
| #75 | GLM 5.1 none | Z.ai | 3 | 2.9 | 0/3 | 1.99s |
| #79 | Grok 4.20 Beta none | X AI | 3 | 3.0 | 0/3 | 611ms |