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) |
|---|---|---|---|---|---|---|---|
| #42 | Grok Build 0.1 medium | X AI | 1 | 3.0 | $0.927 | 0/1 | 53.5s |
| #43 | Kimi K2.5 medium | Moonshot AI | 1 | 3.0 | $0.348 | 0/1 | 83.9s |
| #44 | Mercury 2 medium | Inception | 1 | 3.0 | $0.058 | 0/1 | 2.58s |
| #45 | GPT-5.3 Chat none | OpenAI | 1 | 3.0 | $0.433 | 0/1 | 4.38s |
| #46 | GPT-5.4 Nano medium | OpenAI | 1 | 3.0 | $0.107 | 0/1 | 4.81s |
| #47 | Qwen3.6 Flash medium | Qwen | 1 | 3.0 | $0.288 | 0/1 | 122.9s |
| #48 | DeepSeek V3.2 medium | DeepSeek | 1 | 3.0 | $0.044 | 0/1 | 84.0s |
| #49 | Claude Opus 4.7 none | Anthropic | 1 | 3.0 | $0.505 | 0/1 | 1.46s |
| #50 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 3.0 | $0.044 | 0/1 | 56.8s |
| #51 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 3.0 | $0.106 | 0/1 | 12.5s |
| #53 | Grok 4.20 medium | X AI | 1 | 3.0 | $0.609 | 0/1 | 63.5s |
| #54 | Hy3 preview medium | Tencent | 1 | 3.0 | $0.021 | 0/1 | 39.9s |
| #55 | Claude Sonnet 4.6 none | Anthropic | 1 | 3.0 | $0.316 | 0/1 | 4.67s |
| #56 | GLM 5V Turbo medium | Z.ai | 1 | 3.0 | $0.457 | 0/1 | 41.0s |
| #58 | DeepSeek V4 Pro none | DeepSeek | 1 | 3.0 | $0.034 | 0/1 | 5.76s |