Fallos por categoría de AI BENCHY
Cultura general: Respuesta incorrecta
Cultura general
Respuesta incorrecta
Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Cultura general, para detectar puntos débiles más rápido. Ordenar por: Tiempo de respuesta (promedio) ↑.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #110 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.0 | 0/1 | 295ms |
| #142 | Granite 4.1 8B none | IBM Granite | 1 | 3.0 | 0/1 | 306ms |
| #124 | Mistral Small 4 none | Mistral | 1 | 3.0 | 0/1 | 397ms |
| #129 | Qwen3 Coder Next medium | Qwen | 1 | 3.0 | 0/1 | 399ms |
| #126 | Qwen3.6 35B A3B none | Qwen | 1 | 3.0 | 0/1 | 414ms |
| #91 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.0 | 0/1 | 493ms |
| #131 | Mercury 2 none | Inception | 1 | 3.0 | 0/1 | 548ms |
| #89 | Qwen3.5-Flash none | Qwen | 1 | 3.0 | 0/1 | 588ms |
| #93 | Qwen3.5-27B none | Qwen | 1 | 3.0 | 0/1 | 599ms |
| #121 | Qwen3 Coder Next none | Qwen | 1 | 3.0 | 0/1 | 601ms |
| #105 | Qwen3.6 Flash none | Qwen | 1 | 3.0 | 0/1 | 649ms |
| #97 | GLM 4.7 Flash none | Z.ai | 1 | 3.0 | 0/1 | 692ms |
| #68 | Gemini 3.1 Flash Lite minimal | 1 | 3.0 | 0/1 | 724ms | |
| #139 | Grok 4.1 Fast none | X AI | 1 | 3.0 | 0/1 | 731ms |
| #73 | Gemini 3.1 Flash Lite none | 1 | 3.0 | 0/1 | 733ms |