AI BENCHY
Advertise here

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: Tiempo de respuesta (promedio) ↑.

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
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#152 MiMo-V2-Flash none Xiaomi 1 4.6 4/21 2.76s
#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
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#121 Owl Alpha none Openrouter 1 5.5 7/21 9.88s
#79 Hunter Alpha medium OpenRouter 1 6.7 8/18 10.3s
#113 DeepSeek V4 Pro none DeepSeek 1 5.7 7/21 12.4s
#156 Hy3 preview none Tencent 1 4.4 4/21 12.9s
#133 DeepSeek V3.2 none DeepSeek 2 5.2 6/21 13.8s
#52 Claude Sonnet 4.6 medium Anthropic 3 7.4 13/21 17.1s

Mejores modelos por Cantidad de Formato extra

Cantidad de Formato extra vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)