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)
#339	Apodex 1.1 Mini default	Apodex	2	0.3	$0.000	0/3	1.20s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.000 Tiempo de respuesta (promedio) 1.20s
#344	GPT-4o-mini default	OpenAI	2	0.4	$0.024	0/3	1.21s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.024 Tiempo de respuesta (promedio) 1.21s
#345	KAT Coder AIR V2.5 low	Kwaipilot	2	0.3	$0.046	0/3	1.57s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.046 Tiempo de respuesta (promedio) 1.57s
#349	Laguna S 2.1 high	Poolside	2	0.3	$0.145	0/3	1.62s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.145 Tiempo de respuesta (promedio) 1.62s
#351	Ling 2.6 1t default	Inclusionai	2	0.3	$0.016	0/3	5.36s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.016 Tiempo de respuesta (promedio) 5.36s
#353	Qwen3.5-9B none	Qwen	2	0.3	$0.041	0/3	621ms
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.041 Tiempo de respuesta (promedio) 621ms
#354	Hy4 preview none	Tencent	2	0.5	$0.165	0/3	24.1s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.165 Tiempo de respuesta (promedio) 24.1s
#363	Qwen3 Coder Next medium	Qwen	2	0.3	$0.071	0/3	1.25s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.071 Tiempo de respuesta (promedio) 1.25s
#368	Laguna S 2.1 low	Poolside	2	0.3	$0.108	0/3	2.70s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.108 Tiempo de respuesta (promedio) 2.70s
#373	Ling 2.6 Flash default	Inclusionai	2	0.3	$0.002	0/3	6.51s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.002 Tiempo de respuesta (promedio) 6.51s
#379	Trinity Large Preview default	Arcee AI	2	0.4	$0.008	0/3	1.97s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.008 Tiempo de respuesta (promedio) 1.97s
#381	Cobuddy medium	Baidu	2	0.4	$0.000	0/3	12.8s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.000 Tiempo de respuesta (promedio) 12.8s
#385	GLM 4.7 Flash medium	Z.ai	2	0.3	$0.193	0/3	12.9s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.193 Tiempo de respuesta (promedio) 12.9s
#396	Granite 4.1 8b default	IBM Granite	2	0.3	$0.007	0/3	608ms
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.007 Tiempo de respuesta (promedio) 608ms
#399	Ling 3.0 Tiny high	Inclusionai	2	0.3	$0.000	0/3	54.2s
Pruebas totales 3 Pruebas incorrectas 3 Costo total $0.000 Tiempo de respuesta (promedio) 54.2s

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