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) |
|---|---|---|---|---|---|---|
| #81 | Mercury 2 medium | Inception | 3 | 2.9 | 0/3 | 6.48s |
| #87 | Gemini 3.1 Flash Lite minimal | 3 | 2.9 | 0/3 | 1.02s | |
| #88 | Qwen3.7 Plus none | Qwen | 3 | 3.0 | 0/3 | 868ms |
| #90 | Gemini 3.1 Flash Lite none | 3 | 2.9 | 0/3 | 762ms | |
| #91 | GPT-5.5 none | OpenAI | 3 | 2.9 | 0/3 | 1.31s |
| #98 | GLM 5 none | Z.ai | 3 | 3.0 | 0/3 | 2.24s |
| #99 | gpt-oss-120b medium | OpenAI | 3 | 2.9 | 0/3 | 50.9s |
| #102 | Gemma 4 26B A4B none | 3 | 3.6 | 0/3 | 2.49s | |
| #106 | Grok 4.20 Beta none | X AI | 3 | 3.0 | 0/3 | 611ms |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 3 | 3.6 | 0/3 | 1.33s |
| #112 | GLM 5.1 none | Z.ai | 3 | 2.9 | 0/3 | 1.99s |
| #115 | Qwen3.5-27B none | Qwen | 3 | 3.0 | 0/3 | 540ms |
| #119 | Cobuddy medium | Baidu | 3 | 2.9 | 0/3 | 128.2s |
| #126 | gpt-oss-120b none | OpenAI | 3 | 3.0 | 0/3 | 35.0s |
| #136 | Elephant Alpha medium | Openrouter | 3 | 3.0 | 0/3 | 925ms |