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.
Motivos de fallo
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #24 | Grok 4.3 medium | X AI | 1 | 3.0 | 0/1 | 44.5s |
| #25 | Gemini 2.5 Flash medium | 1 | 3.0 | 0/1 | 2.76s | |
| #26 | GPT-5.4 medium | OpenAI | 1 | 3.0 | 0/1 | 14.0s |
| #27 | Gemini 3.1 Flash Lite medium | 1 | 3.0 | 0/1 | 3.08s | |
| #28 | Qwen3.6 Plus medium | Qwen | 1 | 3.0 | 0/1 | 47.5s |
| #29 | Gemini 3 Flash Preview none | 1 | 3.0 | 0/1 | 1.07s | |
| #30 | Gemini 3.1 Flash Lite Preview low | 1 | 3.0 | 0/1 | 1.35s | |
| #31 | Qwen3.5-122B-A10B medium | Qwen | 1 | 3.0 | 0/1 | 52.9s |
| #33 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 1 | 3.0 | 0/1 | 92.6s |
| #34 | HY3 Preview medium | Tencent | 1 | 3.0 | 0/1 | 39.9s |
| #35 | Claude Sonnet 4.6 medium | Anthropic | 1 | 3.0 | 0/1 | 30.1s |
| #36 | Step 3.5 Flash none | Stepfun | 1 | 3.0 | 0/1 | 114.1s |
| #37 | MiMo-V2-Pro medium | Xiaomi | 1 | 3.0 | 0/1 | 82.7s |
| #38 | Gemma 4 26B A4B medium | 1 | 3.0 | 0/1 | 180.9s | |
| #39 | HY3 Preview low | Tencent | 1 | 3.0 | 0/1 | 41.7s |