Ranking de Resolución de acertijos x Formato extra

Fallos por categoría de AI BENCHY

Mira qué modelos de IA tienen más probabilidades de caer en Formato extra dentro de Resolución de acertijos, para detectar puntos débiles más rápido.

Modelos mostrados

Fallos totales

Modelo más afectado

Motivos de fallo

Respuesta incorrecta147 No siguió las instrucciones78 Error de API13 Formato extra5 Tiempo agotado5 Sin respuesta1

Categorías

Trucos anti-IA14 Específico del dominio12 Programación11 Resolución de acertijos5 Análisis y extracción de datos4 Seguimiento de instrucciones2

Rango	Modelo	Empresa	Cantidad de Formato extra	Puntuación de categoría	Pruebas correctas	Tiempo de respuesta (promedio)
#51	Mimo V2 PRO medium	Xiaomi	1	6.4	1/3	5.08s
#68	Claude Opus 4.8 none	Anthropic	1	7.7	2/3	2.74s
#77	Claude Sonnet 4.6 none	Anthropic	1	7.7	2/3	2.53s
#113	DeepSeek V4 Pro none	DeepSeek	1	7.6	2/3	16.0s
#139	DeepSeek V4 Flash none	DeepSeek	1	3.1	0/3	23.7s

Mejores modelos por Cantidad de Formato extra