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) |
|---|---|---|---|---|---|---|---|
| #110 | Owl Alpha none | Openrouter | 1 | 3.0 | $0.000 | 0/1 | 2.50s |
| #111 | Kimi K2.6 none | Moonshot AI | 1 | 3.0 | $0.079 | 0/1 | 1.36s |
| #112 | GPT-5.4 none | OpenAI | 1 | 3.0 | $0.122 | 0/1 | 990ms |
| #114 | Mimo V2 Omni none | Xiaomi | 1 | 3.0 | $0.021 | 0/1 | 1.30s |
| #115 | Grok 4.1 Fast medium | X AI | 1 | 3.0 | $0.069 | 0/1 | 25.5s |
| #116 | GLM 5.1 none | Z.ai | 1 | 3.0 | $0.058 | 0/1 | 2.34s |
| #117 | DeepSeek V4 Flash none | DeepSeek | 1 | 3.0 | $0.007 | 0/1 | 3.07s |
| #118 | Kimi K2.5 none | Moonshot AI | 1 | 3.0 | $0.027 | 0/1 | 3.90s |
| #119 | MiMo-V2.5-Pro none | Xiaomi | 1 | 3.0 | $0.017 | 0/1 | 1.89s |
| #120 | Qwen3.6 27B none | Qwen | 1 | 3.0 | $0.028 | 0/1 | 4.03s |
| #121 | Gemma 4 26B A4B none | 1 | 3.0 | $0.004 | 0/1 | 778ms | |
| #122 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 3.0 | $0.032 | 0/1 | 33.3s |
| #123 | GLM 5 Turbo none | Z.ai | 1 | 3.0 | $0.047 | 0/1 | 2.37s |
| #124 | GPT-5.4 Mini none | OpenAI | 1 | 3.0 | $0.038 | 0/1 | 1.33s |
| #125 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.0 | $0.020 | 0/1 | 295ms |