AI BENCHY
Advertise 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

147

Modelo más afectado

Qwen3.5-Flash 3

Motivos de fallo

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

Categorías

Específico del dominio314 Trucos anti-IA245 Programación194 Resolución de acertijos147 Cultura general130 Seguimiento de instrucciones53 Combinado52 Análisis y extracción de datos35 Inteligencia general32 Llamada de herramientas2
Rango Modelo Empresa Cantidad de Respuesta incorrecta Puntuación de categoría Pruebas correctas Tiempo de respuesta (promedio)
#156 Hy3 preview none Tencent 2 3.1 0/3 4.56s
#158 GLM 4.7 Flash medium Z.ai 2 2.9 0/3 12.9s
#159 Ling-2.6-1T none Inclusionai 2 3.1 0/3 5.36s
#160 LFM2-24B-A2B none Liquid 2 3.8 0/3 1.78s
#163 Granite 4.1 8B none IBM Granite 2 3.2 0/3 608ms
#7 Gemini 3.5 Flash medium Google 1 7.7 2/3 2.38s
#24 GPT-5.2 Chat none OpenAI 1 7.7 2/3 4.10s
#28 Gemini 2.5 Flash medium Google 1 7.7 2/3 3.18s
#36 Qwen3.5 Plus 2026-04-20 medium Qwen 1 8.2 2/3 17.7s
#38 Grok 4.3 medium X AI 1 5.9 1/3 22.5s
#40 Gemini 3.1 Flash Lite Preview medium Google 1 7.7 2/3 5.30s
#43 MiMo-V2.5-Pro medium Xiaomi 1 6.7 1/3 5.31s
#44 Gemini 3.1 Flash Lite medium Google 1 7.6 2/3 1.95s
#46 Qwen3.6 35B A3B medium Qwen 1 8.0 2/3 5.95s
#47 Grok Build 0.1 medium X AI 1 7.7 2/3 18.3s

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