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

48

Modelo más afectado

Granite 4.1 8B 1
Rango Modelo Empresa Cantidad de Formato extra Puntuación Pruebas correctas Tiempo de respuesta (promedio)
#163 Granite 4.1 8B none IBM Granite 1 4.0 2/21 728ms
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#156 Hy3 preview none Tencent 1 4.4 4/21 12.9s
#152 MiMo-V2-Flash none Xiaomi 1 4.6 4/21 2.76s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#139 DeepSeek V4 Flash none DeepSeek 2 5.0 5/21 26.8s
#133 DeepSeek V3.2 none DeepSeek 2 5.2 6/21 13.8s
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#121 Owl Alpha none Openrouter 1 5.5 7/21 9.88s
#113 DeepSeek V4 Pro none DeepSeek 1 5.7 7/21 12.4s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#80 Mimo V2 Omni medium Xiaomi 1 6.7 10/21 41.2s
#79 Hunter Alpha medium OpenRouter 1 6.7 8/18 10.3s

Mejores modelos por Cantidad de Formato extra

Cantidad de Formato extra vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)