AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Fallos AI BENCHY

Fallos por Formato extra

Mira qué modelos de IA se encuentran con Formato extra con más frecuencia para detectar riesgos de fiabilidad antes de elegir. Ordenar por: Cantidad de fallos ↑.

Modelos mostrados

14

Fallos totales

48

Modelo más afectado

Qwen3.5-27B 1
Rango Modelo Empresa Cantidad de Formato extra Puntuación Pruebas correctas Tiempo de respuesta (promedio)
#152 MiMo-V2-Flash none Xiaomi 1 4.6 4/21 2.76s
#156 Hy3 preview none Tencent 1 4.4 4/21 12.9s
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#163 Granite 4.1 8B none IBM Granite 1 4.0 2/21 728ms
#56 MiMo-V2.5 medium Xiaomi 2 7.3 12/21 27.1s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#133 DeepSeek V3.2 none DeepSeek 2 5.2 6/21 13.8s
#139 DeepSeek V4 Flash none DeepSeek 2 5.0 5/21 26.8s
#43 MiMo-V2.5-Pro medium Xiaomi 3 7.5 12/21 26.1s
#47 Grok Build 0.1 medium X AI 3 7.4 13/21 49.9s
#52 Claude Sonnet 4.6 medium Anthropic 3 7.4 13/21 17.1s
#68 Claude Opus 4.8 none Anthropic 3 7.0 12/21 3.47s
#77 Claude Sonnet 4.6 none Anthropic 4 6.8 11/21 5.04s
#69 Claude Opus 4.6 medium Anthropic 5 7.0 12/21 25.9s

Mejores modelos por Cantidad de Formato extra

Cantidad de Formato extra vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)