AI BENCHY
Your ad here

Fallos por categoría de AI BENCHY

Resolución de acertijos: Respuesta incorrecta

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

15

Fallos totales

85

Modelo más afectado

Kimi K2.5 3

Motivos de fallo

Respuesta incorrecta85 No siguió las instrucciones75 Tiempo agotado6 Formato extra2 Error de API1

Categorías

Específico del dominio182 Trucos anti-IA165 Resolución de acertijos85 Seguimiento de instrucciones44 Combinado37 Programación28 Análisis y extracción de datos19 Inteligencia general10 Llamada de herramientas2
Rango Modelo Empresa Cantidad de Respuesta incorrecta Puntuación de categoría Pruebas correctas Tiempo de respuesta (promedio)
#76 Kimi K2.5 none Moonshot AI 3 3.1 0/3 4.73s
#87 Qwen3 Coder Next none Qwen 3 3.2 0/3 22.9s
#89 GPT-4o-mini none OpenAI 3 3.7 0/3 1.30s
#91 Mercury 2 none Inception 3 3.1 0/3 533ms
#94 MiMo-V2-Flash none Xiaomi 3 3.6 0/3 1.38s
#95 Grok 4.1 Fast none X AI 3 3.2 0/3 1.28s
#59 Qwen3.5-Flash none Qwen 2 3.3 0/3 5.90s
#61 Seed-2.0-Lite none Bytedance Seed 2 5.2 1/3 2.46s
#63 Qwen3.5-35B-A3B none Qwen 2 3.9 0/3 1.34s
#70 Qwen3.5-122B-A10B none Qwen 2 5.4 1/3 982ms
#78 Trinity Large Preview none Arcee AI 2 5.4 1/3 3.30s
#85 Elephant none Openrouter 2 3.3 0/3 849ms
#93 GLM 4.7 Flash medium Z.ai 2 2.9 0/3 12.9s
#96 GPT-5.4 Nano none OpenAI 2 3.7 0/3 1.29s
#11 Gemini 3.1 Flash Lite Preview high Google 1 7.7 2/3 46.3s

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