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

893

Modelo más afectado

Claude Opus 5 3

Motivos de fallo

Respuesta incorrecta893 Sin respuesta66 Tiempo agotado46 Error de API40 Formato extra36 No siguió las instrucciones3

Categorías

Específico del dominio893 Trucos anti-IA519 Programación484 Resolución de acertijos352 Cultura general315 Inteligencia general134 Combinado128 Tareas de agentes128 Seguimiento de instrucciones117 Análisis y extracción de datos93

423/423

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#172	Claude Opus 4.8 low	Anthropic	2	0.5	$3.787	1/3	46.5s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $3.787 Tiempo de respuesta (promedio) 46.5s
#174	LongCat 2.0 medium	Meituan	2	0.3	$0.767	0/3	390.6s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.767 Tiempo de respuesta (promedio) 390.6s
#175	GLM 5 medium	Z.ai	2	0.3	$0.479	0/3	0ms
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.479 Tiempo de respuesta (promedio) 0ms
#177	Qwen3.6 27B medium	Qwen	2	0.3	$1.021	0/3	71.5s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $1.021 Tiempo de respuesta (promedio) 71.5s
#178	Claude Opus 5 none	Anthropic	2	0.5	$2.766	1/3	11.1s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $2.766 Tiempo de respuesta (promedio) 11.1s
#184	GPT-5.2 Chat default	OpenAI	2	0.3	$0.594	0/3	23.7s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.594 Tiempo de respuesta (promedio) 23.7s
#185	Qwen3.6 Max Preview medium	Qwen	2	0.5	$1.132	1/3	88.5s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $1.132 Tiempo de respuesta (promedio) 88.5s
#186	Gemini 3.1 Flash Lite Preview medium	Google	2	0.5	$0.158	1/3	4.09s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.158 Tiempo de respuesta (promedio) 4.09s
#187	Kimi K2.7 Code medium	Moonshot AI	2	0.4	$1.136	0/3	184.2s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $1.136 Tiempo de respuesta (promedio) 184.2s
#188	Ember-1 low	Fireworks	2	0.3	$1.488	0/3	56.2s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $1.488 Tiempo de respuesta (promedio) 56.2s
#192	Gemini 3 Flash Preview low	Google	2	0.5	$0.254	1/3	9.74s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.254 Tiempo de respuesta (promedio) 9.74s
#194	Minimax M3.1 Flash max	Minimax	2	0.6	$0.000	1/3	186.3s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.000 Tiempo de respuesta (promedio) 186.3s
#196	Ember-1 high	Fireworks	2	0.3	$2.405	0/3	175.5s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $2.405 Tiempo de respuesta (promedio) 175.5s
#197	Gemma 4 31B medium	Google	2	0.5	$0.144	1/3	59.9s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.144 Tiempo de respuesta (promedio) 59.9s
#200	Claude Opus 4.8 none	Anthropic	2	0.5	$2.334	1/3	1.76s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $2.334 Tiempo de respuesta (promedio) 1.76s

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