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)
#137	Qwen3.7 Flash low	Qwen	3	0.4	$0.071	0/3	37.6s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.071 Tiempo de respuesta (promedio) 37.6s
#138	Muse Glimmer 30B medium	Meta	3	0.3	$0.288	0/3	44.6s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.288 Tiempo de respuesta (promedio) 44.6s
#140	Qwen3.8 Flash Next medium	Qwen	3	0.3	~$0.047	0/3	17.3s
Pruebas totales 3 Pruebas incorrectas 3 Costo total ~$0.047 Tiempo de respuesta (promedio) 17.3s
#146	Mistral Large 4 high	Mistral	3	0.3	$1.391	0/3	289.4s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $1.391 Tiempo de respuesta (promedio) 289.4s
#148	GPT-5.6 Luna medium	OpenAI	3	0.3	$0.065	0/3	18.5s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.065 Tiempo de respuesta (promedio) 18.5s
#149	Qwen3.6 Flash medium	Qwen	3	0.3	$0.783	0/3	17.0s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.783 Tiempo de respuesta (promedio) 17.0s
#150	DeepSeek V4 Flash 0731 low	DeepSeek	3	0.3	$0.306	0/3	255.5s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.306 Tiempo de respuesta (promedio) 255.5s
#152	GLM 5.3 FlashX high	Z.ai	3	0.4	$0.210	0/3	50.0s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.210 Tiempo de respuesta (promedio) 50.0s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	3	0.3	$0.083	0/3	4.91s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.083 Tiempo de respuesta (promedio) 4.91s
#163	Qwen3.6 Plus medium	Qwen	3	0.3	$0.554	0/3	46.4s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.554 Tiempo de respuesta (promedio) 46.4s
#164	Gemini 3.5 Flash Lite medium	Google	3	0.4	$0.440	0/3	5.34s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.440 Tiempo de respuesta (promedio) 5.34s
#170	Qwen3.7 Flash high	Qwen	3	0.3	$0.063	0/3	34.4s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.063 Tiempo de respuesta (promedio) 34.4s
#173	Step 3.7 Flash low	Stepfun	3	0.3	$0.449	0/3	22.7s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.449 Tiempo de respuesta (promedio) 22.7s
#176	Qwen3.8 Flash Next xhigh	Qwen	3	0.3	~$0.195	0/3	327.0s
Pruebas totales 3 Pruebas incorrectas 3 Costo total ~$0.195 Tiempo de respuesta (promedio) 327.0s
#177	GLM 5.3 FlashX medium	Z.ai	3	0.4	$0.114	0/3	3.52s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.114 Tiempo de respuesta (promedio) 3.52s

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 estimadoSolo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

Mejores modelos por Costo desperdiciado estimado