Fallos por categoría de AI BENCHY
Inteligencia general: Respuesta incorrecta
Inteligencia general
Respuesta incorrecta
Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Inteligencia general, para detectar puntos débiles más rápido. Ordenar por: Tiempo de respuesta (promedio) ↑.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #163 | Granite 4.1 8B none | IBM Granite | 1 | 4.0 | 0/1 | 499ms |
| #97 | Gemini 2.5 Flash none | 1 | 5.0 | 0/1 | 615ms | |
| #127 | Grok 4.20 none | X AI | 1 | 4.8 | 0/1 | 659ms |
| #142 | Mistral Small 4 none | Mistral | 1 | 4.0 | 0/1 | 729ms |
| #112 | GLM 5.1 none | Z.ai | 1 | 5.0 | 0/1 | 790ms |
| #147 | GPT-4o-mini none | OpenAI | 1 | 4.0 | 0/1 | 909ms |
| #141 | Nemotron 3 Super none | NVIDIA | 1 | 4.6 | 0/1 | 950ms |
| #90 | Gemini 3.1 Flash Lite none | 1 | 4.0 | 0/1 | 992ms | |
| #61 | Gemini 3.1 Flash Lite low | 1 | 4.0 | 0/1 | 1.37s | |
| #138 | Ling-2.6-flash none | Inclusionai | 1 | 4.0 | 0/1 | 1.45s |
| #122 | GLM 4.7 Flash none | Z.ai | 1 | 4.0 | 0/1 | 1.59s |
| #74 | Qwen3.6 Max Preview none | Qwen | 1 | 4.3 | 0/1 | 1.62s |
| #125 | GPT-5.4 none | OpenAI | 1 | 4.4 | 0/1 | 1.78s |
| #95 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 4.4 | 0/1 | 2.26s |
| #101 | Mimo V2 Omni none | Xiaomi | 1 | 4.1 | 0/1 | 2.33s |