Ranking de Específico del dominio x 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.

Modelos mostrados

Fallos totales

878

Modelo más afectado

Claude Opus 5 3

Motivos de fallo

Respuesta incorrecta878 Sin respuesta63 Tiempo agotado46 Error de API40 Formato extra36 No siguió las instrucciones3

Categorías

Específico del dominio878 Trucos anti-IA502 Programación477 Resolución de acertijos344 Cultura general306 Inteligencia general129 Combinado126 Tareas de agentes126 Seguimiento de instrucciones111 Análisis y extracción de datos93

414/414

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#33	GPT-5.5 medium	OpenAI	2	0.5	$4.809	1/3	168.2s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $4.809 Tiempo de respuesta (promedio) 168.2s
#37	GPT-5.3-Codex medium	OpenAI	2	0.6	$1.318	1/3	63.9s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $1.318 Tiempo de respuesta (promedio) 63.9s
#39	Muse Spark 1.3 high	Meta	2	0.3	$1.891	0/3	174.6s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $1.891 Tiempo de respuesta (promedio) 174.6s
#40	Muse Wonder low	Meta	2	0.5	$2.637	1/3	51.4s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $2.637 Tiempo de respuesta (promedio) 51.4s
#42	Seed 2.1 Turbo high	Bytedance Seed	2	0.3	$1.892	0/3	506.2s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $1.892 Tiempo de respuesta (promedio) 506.2s
#43	Muse Wonder minimal	Meta	2	0.5	$1.639	1/3	15.0s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $1.639 Tiempo de respuesta (promedio) 15.0s
#45	Gemini 3.5 Flash low	Google	2	0.5	$0.752	1/3	4.89s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.752 Tiempo de respuesta (promedio) 4.89s
#49	Gemini 4 Argon medium	Google	2	0.5	$0.674	1/3	2.44s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.674 Tiempo de respuesta (promedio) 2.44s
#50	Claude Opus 5 low	Anthropic	2	0.5	$2.350	1/3	8.91s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $2.350 Tiempo de respuesta (promedio) 8.91s
#52	GLM 5.3 Flash max	Z.ai	2	0.4	$0.089	0/3	203.3s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.089 Tiempo de respuesta (promedio) 203.3s
#53	Muse Spark Open low	Meta	2	0.5	$0.600	1/3	75.5s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.600 Tiempo de respuesta (promedio) 75.5s
#55	Muse Spark 1.2 medium	Meta	2	0.5	$1.590	1/3	77.2s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $1.590 Tiempo de respuesta (promedio) 77.2s
#58	Pareto 26.9 default	Unbiased	2	0.6	$1.864	1/3	61.0s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $1.864 Tiempo de respuesta (promedio) 61.0s
#60	GPT-5.4 medium	OpenAI	2	0.5	$2.213	1/3	72.4s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $2.213 Tiempo de respuesta (promedio) 72.4s
#61	Muse Spark Open medium	Meta	2	0.6	$1.260	1/3	216.2s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $1.260 Tiempo de respuesta (promedio) 216.2s

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

Específico del dominio: 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