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) |
|---|---|---|---|---|---|---|
| #55 | MiMo-V2-Omni none | Xiaomi | 2 | 5.3 | 1/3 | 1.14s |
| #56 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 2.9 | 0/3 | 24.7s |
| #58 | GLM 5V Turbo none | Z.ai | 2 | 5.3 | 1/3 | 2.09s |
| #62 | Gemini 2.5 Flash none | 2 | 5.9 | 1/3 | 495ms | |
| #65 | MiMo-V2-Pro none | Xiaomi | 2 | 5.3 | 1/3 | 1.78s |
| #66 | GPT-5.4 none | OpenAI | 2 | 5.3 | 1/3 | 1.07s |
| #69 | Kimi K2.6 none | Moonshot AI | 2 | 5.3 | 1/3 | 1.48s |
| #70 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.3 | 1/3 | 465ms |
| #71 | MiniMax M2.5 medium | Minimax | 2 | 2.9 | 0/3 | 237.3s |
| #72 | Hunter Alpha none | OpenRouter | 2 | 5.3 | 1/3 | 2.33s |
| #76 | Kimi K2.5 none | Moonshot AI | 2 | 5.3 | 1/3 | 4.38s |
| #77 | GLM 5 Turbo none | Z.ai | 2 | 5.3 | 1/3 | 1.97s |
| #78 | Trinity Large Preview none | Arcee AI | 2 | 5.3 | 1/3 | 877ms |
| #82 | Grok 4.20 none | X AI | 2 | 3.0 | 0/3 | 687ms |
| #83 | Mistral Small 4 none | Mistral | 2 | 5.3 | 1/3 | 367ms |