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)
#288	GPT-5.6 Terra none	OpenAI	2	0.5	$0.377	1/3	1.23s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.377 Tiempo de respuesta (promedio) 1.23s
#289	DeepSeek V4.1 Flash none	DeepSeek	2	0.5	$0.391	1/3	1.49s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.391 Tiempo de respuesta (promedio) 1.49s
#301	Solar Pro 4 none	Upstage	2	0.5	$0.022	1/3	2.33s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.022 Tiempo de respuesta (promedio) 2.33s
#304	Qwen3.5-35B-A3B none	Qwen	2	0.4	$0.120	0/3	1.35s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.120 Tiempo de respuesta (promedio) 1.35s
#305	Nemotron 3.5 Super VL none	NVIDIA	2	0.5	$0.040	0/3	754ms
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.040 Tiempo de respuesta (promedio) 754ms
#306	Nemotron 3 Super medium	NVIDIA	2	0.3	$0.081	0/3	3.15s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.081 Tiempo de respuesta (promedio) 3.15s
#307	Kimi K2.6 none	Moonshot AI	2	0.3	$0.486	0/3	1.40s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.486 Tiempo de respuesta (promedio) 1.40s
#310	GPT-6 Luna none	OpenAI	2	0.5	$0.026	1/3	26.0s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.026 Tiempo de respuesta (promedio) 26.0s
#317	Hy4 preview low	Tencent	2	0.5	$1.844	0/3	238.0s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $1.844 Tiempo de respuesta (promedio) 238.0s
#323	Granite 4.2 8B low	IBM Granite	2	0.3	$0.036	0/3	90.8s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.036 Tiempo de respuesta (promedio) 90.8s
#328	Inkling Small low	Thinkingmachines	2	0.5	$0.055	1/3	1.56s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.055 Tiempo de respuesta (promedio) 1.56s
#329	Ling 3.0 Flash none	Inclusionai	2	0.5	$0.004	1/3	1.49s
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.004 Tiempo de respuesta (promedio) 1.49s
#334	Mistral Small 4 medium	Mistral	2	0.3	$0.126	0/3	2.17s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.126 Tiempo de respuesta (promedio) 2.17s
#335	Mistral Small 4 none	Mistral	2	0.3	$0.047	0/3	399ms
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.047 Tiempo de respuesta (promedio) 399ms
#336	Mercury 2.5 low	Inception	2	0.6	$0.020	1/3	792ms
Pruebas totales 3 Pruebas incorrectas 2 Costo total $0.020 Tiempo de respuesta (promedio) 792ms

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 estimado