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
133/133
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #25 | Qwen3.7 Plus medium | Qwen | 1 | 3.0 | $0.177 | 0/1 | 91.1s |
| #26 | Nemotron 3 Ultra 550b A55b medium | NVIDIA | 1 | 3.0 | $0.158 | 0/1 | 38.5s |
| #27 | GPT-5.4 Mini medium | OpenAI | 1 | 3.0 | $0.526 | 0/1 | 30.1s |
| #28 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 3.0 | $0.310 | 0/1 | 103.8s |
| #29 | Qwen3.5-27B medium | Qwen | 1 | 3.0 | $0.536 | 0/1 | 85.1s |
| #30 | Qwen3.6 Plus medium | Qwen | 1 | 3.0 | $0.294 | 0/1 | 47.5s |
| #31 | Claude Sonnet 4.6 medium | Anthropic | 1 | 3.0 | $1.418 | 0/1 | 30.1s |
| #32 | Gemini 3.1 Flash Lite Preview medium | 1 | 3.0 | $0.068 | 0/1 | 2.68s | |
| #33 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 1 | 3.0 | $0.317 | 0/1 | 92.6s |
| #34 | Gemini 3.1 Flash Lite medium | 1 | 3.0 | $0.071 | 0/1 | 3.08s | |
| #35 | Kimi K2.6 medium | Moonshot AI | 1 | 3.0 | $0.889 | 0/1 | 130.3s |
| #36 | Qwen3.5-122B-A10B medium | Qwen | 1 | 3.0 | $0.588 | 0/1 | 52.9s |
| #37 | Grok 4.3 medium | X AI | 1 | 3.0 | $0.614 | 0/1 | 44.5s |
| #38 | Claude Opus 4.6 medium | Anthropic | 1 | 3.0 | $2.053 | 0/1 | 63.2s |
| #41 | DeepSeek V4 Pro high | DeepSeek | 1 | 3.0 | $0.157 | 0/1 | 34.0s |