Ranking de Específico del dominio x Respuesta incorrecta

Fallos por categoría de AI BENCHY

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

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)
#113	DeepSeek V4 Pro none	DeepSeek	2	5.3	1/3	3.17s
#114	Qwen3.5 Plus 2026-04-20 none	Qwen	2	5.3	1/3	4.43s
#116	Hunter Alpha none	OpenRouter	2	5.3	1/3	2.33s
#120	Mimo V2 PRO none	Xiaomi	2	5.3	1/3	1.78s
#121	Owl Alpha none	Openrouter	2	5.3	1/3	3.00s
#123	MiMo-V2.5-Pro none	Xiaomi	2	5.3	1/3	877ms
#124	Kimi K2.6 none	Moonshot AI	2	5.3	1/3	1.48s
#125	GPT-5.4 none	OpenAI	2	5.3	1/3	1.07s
#127	Grok 4.20 none	X AI	2	3.0	0/3	687ms
#128	Qwen3.6 Flash none	Qwen	2	5.3	1/3	1.11s
#129	MiniMax M2.5 medium	Minimax	2	2.9	0/3	237.3s
#131	Qwen3.5-122B-A10B none	Qwen	2	5.3	1/3	465ms
#133	DeepSeek V3.2 none	DeepSeek	2	2.9	0/3	4.17s
#134	GLM 5 Turbo none	Z.ai	2	5.3	1/3	1.97s
#135	Kimi K2.5 none	Moonshot AI	2	5.3	1/3	4.38s

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

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