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) |
|---|---|---|---|---|---|---|
| #62 | MiMo-V2-Omni medium | Xiaomi | 1 | 3.0 | 0/1 | 234.2s |
| #38 | Gemma 4 26B A4B medium | 1 | 3.0 | 0/1 | 180.9s | |
| #57 | Qwen3.5-35B-A3B medium | Qwen | 1 | 3.0 | 0/1 | 177.4s |
| #140 | Qwen3.5-9B medium | Qwen | 1 | 3.0 | 0/1 | 177.0s |
| #42 | Kimi K2.6 medium | Moonshot AI | 1 | 3.0 | 0/1 | 130.3s |
| #50 | Qwen3.6 Flash medium | Qwen | 1 | 3.0 | 0/1 | 122.9s |
| #36 | Step 3.5 Flash none | Stepfun | 1 | 3.0 | 0/1 | 114.1s |
| #43 | Step 3.5 Flash medium | Stepfun | 1 | 3.0 | 0/1 | 108.4s |
| #12 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 3.0 | 0/1 | 103.8s |
| #33 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 1 | 3.0 | 0/1 | 92.6s |
| #14 | Gemma 4 31B medium | 1 | 3.0 | 0/1 | 90.1s | |
| #17 | Qwen3.5-27B medium | Qwen | 1 | 3.0 | 0/1 | 85.1s |
| #59 | DeepSeek V3.2 medium | DeepSeek | 1 | 3.0 | 0/1 | 84.0s |
| #69 | Kimi K2.5 medium | Moonshot AI | 1 | 3.0 | 0/1 | 83.9s |
| #37 | MiMo-V2-Pro medium | Xiaomi | 1 | 3.0 | 0/1 | 82.7s |