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: Puntuación ↑.

Modelos mostrados

15

Fallos totales

23

Modelo más afectado

Qwen3.5-9B 1
Rango Modelo Empresa Cantidad de Formato extra Puntuación Pruebas correctas Tiempo de respuesta (promedio)
#97 Qwen3.5-9B medium Qwen 1 4.4 3/18 73.6s
#94 MiMo-V2-Flash none Xiaomi 1 4.5 3/18 2.79s
#87 Qwen3 Coder Next none Qwen 1 5.1 4/18 10.2s
#82 Grok 4.20 none X AI 1 5.2 5/18 1.11s
#64 DeepSeek V3.2 none DeepSeek 2 6.1 7/18 12.1s
#56 Grok 4.20 Multi Agent Beta medium X AI 2 6.4 7/18 9.80s
#50 Hunter Alpha medium OpenRouter 1 6.7 8/18 10.3s
#47 Grok 4.20 medium X AI 1 7.0 9/18 10.3s
#42 Claude Sonnet 4.6 none Anthropic 3 7.4 11/18 4.98s
#41 MiMo-V2-Flash medium Xiaomi 1 7.5 11/18 23.4s
#37 Claude Opus 4.6 medium Anthropic 4 7.6 12/18 21.1s
#35 MiMo-V2-Omni medium Xiaomi 1 7.7 11/18 16.8s
#26 Claude Sonnet 4.6 medium Anthropic 2 8.0 13/18 12.7s
#23 MiMo-V2-Pro medium Xiaomi 1 8.1 12/18 12.3s
#10 Qwen3.5-27B medium Qwen 1 8.4 13/18 53.0s

Mejores modelos por Cantidad de Formato extra

Cantidad de Formato extra vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)