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) |
|---|---|---|---|---|---|---|
| #137 | Elephant Alpha none | Openrouter | 3 | 3.0 | 0/3 | 927ms |
| #138 | Ling-2.6-flash none | Inclusionai | 3 | 3.0 | 0/3 | 4.95s |
| #141 | Nemotron 3 Super none | NVIDIA | 3 | 3.6 | 0/3 | 6.23s |
| #143 | MiMo-V2.5 none | Xiaomi | 3 | 3.0 | 0/3 | 756ms |
| #144 | GPT-5.4 Mini none | OpenAI | 3 | 3.5 | 0/3 | 937ms |
| #145 | Laguna M.1 none | Poolside | 3 | 3.6 | 0/3 | 5.50s |
| #147 | GPT-4o-mini none | OpenAI | 3 | 3.0 | 0/3 | 637ms |
| #148 | GPT-5.4 Nano none | OpenAI | 3 | 2.9 | 0/3 | 926ms |
| #153 | Qwen3.6 35B A3B none | Qwen | 3 | 3.5 | 0/3 | 7.45s |
| #154 | Qwen3.5-9B none | Qwen | 3 | 3.0 | 0/3 | 464ms |
| #159 | Ling-2.6-1T none | Inclusionai | 3 | 3.0 | 0/3 | 1.04s |
| #162 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 3 | 3.6 | 0/3 | 489ms |
| #163 | Granite 4.1 8B none | IBM Granite | 3 | 3.0 | 0/3 | 357ms |
| #5 | Qwen3.7 Max medium | Qwen | 2 | 5.9 | 1/3 | 24.9s |
| #6 | GPT-5.5 low | OpenAI | 2 | 5.3 | 1/3 | 28.1s |