AI BENCHY
Comparar Gráficos Metodología
❤️ Made by XCS
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Fallos por categoría de AI BENCHY

Resolución de acertijos
Respuesta incorrecta

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

Modelos mostrados

38

Fallos totales

55

Modelo más afectado

Kimi K2.5 3
Rango Modelo Empresa Cantidad de Respuesta incorrecta Puntuación de categoría Pruebas correctas Tiempo de respuesta (promedio)
#46 Kimi K2.5 none Moonshot AI 3 10.0 0/3 4.73s
#47 GPT-4o-mini none OpenAI 3 2.3 0/3 1.30s
#48 Qwen3 Coder Next none Qwen 3 1.3 0/3 22.9s
#51 Mercury 2 none Inception 3 10.0 0/3 533ms
#53 Grok 4.1 Fast none X AI 3 1.3 0/3 1.28s
#54 MiMo-V2-Flash none Xiaomi 3 10.0 0/3 1.38s
#37 Qwen3.5-Flash none Qwen 2 1.3 0/3 5.90s
#40 Qwen3.5-122B-A10B none Qwen 2 4.0 1/3 982ms
#42 Qwen3.5-35B-A3B none Qwen 2 1.7 0/3 1.34s
#45 Trinity Large Preview none Arcee AI 2 4.0 1/3 3.30s
#52 GLM 4.7 Flash medium Z.ai 2 10.0 0/3 12.9s
#8 Gemini 3.1 Flash Lite Preview high Google 1 7.0 2/3 46.3s
#12 Gemini 3.1 Flash Lite Preview medium Google 1 7.0 2/3 3.58s
#13 Step 3.5 Flash medium Stepfun 1 4.0 1/3 7.72s
#15 GPT-5.2 Chat none OpenAI 1 7.0 2/3 4.42s
#16 Gemini 2.5 Flash medium Google 1 7.0 2/3 3.94s
#18 DeepSeek V3.2 medium DeepSeek 1 7.0 2/3 36.9s
#20 Gemini 3 Flash Preview none Google 1 7.0 2/3 1.06s
#21 MiMo-V2-Flash medium Xiaomi 1 7.0 2/3 3.77s
#23 Seed-2.0-Mini medium Bytedance Seed 1 7.0 2/3 25.9s
#26 Claude Opus 4.6 medium Anthropic 1 7.0 2/3 4.60s
#28 Kimi K2.5 medium Moonshot AI 1 4.0 1/3 45.4s
#29 Qwen3.5 Plus 2026-02-15 none Qwen 1 7.0 2/3 2.82s
#30 Grok 4.1 Fast medium X AI 1 4.0 1/3 8.08s
#31 GLM 5 none Z.ai 1 7.0 2/3 2.05s
#32 GPT-5 Mini medium OpenAI 1 4.3 1/3 14.1s
#33 DeepSeek V3.2 none DeepSeek 1 7.7 2/3 7.37s
#34 GPT-5 Nano medium OpenAI 1 4.0 1/3 19.8s
#35 Qwen3.5-35B-A3B medium Qwen 1 4.0 1/3 31.6s
#36 Mercury 2 medium Inception 1 1.7 0/3 934ms
#38 Gemini 2.5 Flash none Google 1 4.7 1/3 576ms
#39 gpt-oss-120b medium OpenAI 1 1.7 0/3 11.8s
#41 Qwen3.5-27B none Qwen 1 6.3 1/3 1.37s
#43 MiniMax M2.5 medium Minimax 1 4.0 1/3 11.5s
#44 GPT-5.4 none OpenAI 1 4.0 1/3 1.52s
#49 GLM 4.7 Flash none Z.ai 1 3.7 0/3 1.00s
#50 Qwen3 Coder Next medium Qwen 1 10.0 0/3 2.30s
#55 LFM2-24B-A2B none Liquid 1 3.3 0/3 1.69s

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs puntuación promedio

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado