AI BENCHY
Advertise here

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.

Modelos mostrados

15

Fallos totales

314

Modelo más afectado

Qwen3.6 Max Preview 3

Motivos de fallo

Respuesta incorrecta314 Tiempo agotado34 Formato extra12 Error de API6 Sin respuesta5 No siguió las instrucciones1

Categorías

Específico del dominio314 Trucos anti-IA245 Programación194 Resolución de acertijos147 Cultura general130 Seguimiento de instrucciones53 Combinado52 Análisis y extracción de datos35 Inteligencia general32 Llamada de herramientas2
Rango Modelo Empresa Cantidad de Respuesta incorrecta Puntuación de categoría Pruebas correctas Tiempo de respuesta (promedio)
#38 Grok 4.3 medium X AI 2 5.3 1/3 181.7s
#46 Qwen3.6 35B A3B medium Qwen 2 5.3 1/3 22.5s
#50 Gemini 3.1 Flash Lite Preview low Google 2 5.3 1/3 2.36s
#54 GPT-5 Mini medium OpenAI 2 3.6 0/3 44.6s
#57 Step 3.7 Flash low Stepfun 2 5.3 1/3 43.3s
#58 Gemini 3.1 Flash Lite Preview none Google 2 5.3 1/3 942ms
#59 GLM 5V Turbo medium Z.ai 2 5.3 1/3 38.1s
#61 Gemini 3.1 Flash Lite low Google 2 5.3 1/3 1.52s
#62 Step 3.5 Flash medium Stepfun 2 5.3 1/3 170.5s
#64 MiMo-V2-Flash medium Xiaomi 2 5.9 1/3 96.0s
#68 Claude Opus 4.8 none Anthropic 2 5.3 1/3 1.66s
#70 GPT-5.4 Nano medium OpenAI 2 5.9 1/3 38.2s
#71 Step 3.7 Flash high Stepfun 2 4.1 0/3 149.6s
#72 DeepSeek V3.2 medium DeepSeek 2 2.9 0/3 24.3s
#76 Kimi K2.5 medium Moonshot AI 2 3.5 0/3 137.3s

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