Ranking de Resolución de acertijos x 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

Fallos totales

344

Modelo más afectado

Qwen3.5-Flash 3

Motivos de fallo

Respuesta incorrecta344 No siguió las instrucciones160 Error de API35 Formato extra16 Sin respuesta14 Tiempo agotado11

Categorías

Específico del dominio878 Trucos anti-IA502 Programación477 Resolución de acertijos344 Cultura general306 Inteligencia general129 Combinado126 Tareas de agentes126 Seguimiento de instrucciones111 Análisis y extracción de datos93

239/239

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#219	Step 3.7 Flash high	Stepfun	2	0.5	$1.478	1/3	10.2s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $1.478 Tiempo de respuesta (promedio) 10.2s
#221	KAT-Coder-Pro V2.5 low	Kwaipilot	2	0.6	$0.568	1/3	3.11s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.568 Tiempo de respuesta (promedio) 3.11s
#226	Beam 1.0 501B A23B xhigh	Reflection	2	0.6	$0.688	1/3	4.46s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.688 Tiempo de respuesta (promedio) 4.46s
#231	Laguna XS 2.1 medium	Poolside	2	0.5	$0.083	1/3	3.43s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.083 Tiempo de respuesta (promedio) 3.43s
#232	Qwen3.5-122B-A10B none	Qwen	2	0.4	$0.308	0/3	1.00s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.308 Tiempo de respuesta (promedio) 1.00s
#238	Beam 1.0 501B A23B low	Reflection	2	0.6	$0.432	1/3	3.42s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.432 Tiempo de respuesta (promedio) 3.42s
#242	Dots 3 Note Preview high	Dots Studio	2	0.6	$0.000	1/3	12.7s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.000 Tiempo de respuesta (promedio) 12.7s
#244	LongCat 2.0 none	Meituan	2	0.4	$0.104	0/3	2.74s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.104 Tiempo de respuesta (promedio) 2.74s
#260	KAT-Coder-Pro V2.5 medium	Kwaipilot	2	0.6	$0.669	1/3	3.20s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.669 Tiempo de respuesta (promedio) 3.20s
#262	DeepSeek V4 Flash 0731 none	DeepSeek	2	0.3	$0.053	0/3	2.74s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.053 Tiempo de respuesta (promedio) 2.74s
#270	Qwen3.5 Plus 2026-04-20 none	Qwen	2	0.7	$0.216	1/3	1.97s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.216 Tiempo de respuesta (promedio) 1.97s
#279	Seed-2.0-Lite none	Bytedance Seed	2	0.5	$0.114	1/3	2.78s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.114 Tiempo de respuesta (promedio) 2.78s
#283	Qwen3.6 Flash none	Qwen	2	0.4	$0.139	0/3	1.21s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.139 Tiempo de respuesta (promedio) 1.21s
#286	Qwen3.7 Flash none	Qwen	2	0.4	$0.028	0/3	1.39s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.028 Tiempo de respuesta (promedio) 1.39s
#287	Qwen3.8 Flash Next none	Qwen	2	0.6	~$0.011	1/3	1.30s
Pruebas totales 3 Pruebas incorrectas 2 Costo total ~$0.011 Tiempo de respuesta (promedio) 1.30s

Filtrar modelos

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

Resolución de acertijos: Respuesta incorrecta

Filtrar modelos

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 estimadoSolo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.

Mejores modelos por Costo desperdiciado estimado