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

14

Fallos totales

48

Modelo más afectado

Qwen3.5-9B 1
Rango Modelo Empresa Cantidad de Formato extra Puntuación Pruebas correctas Tiempo de respuesta (promedio)
#133 DeepSeek V3.2 none DeepSeek 2 5.2 6/21 13.8s
#156 Hy3 preview none Tencent 1 4.4 4/21 12.9s
#113 DeepSeek V4 Pro none DeepSeek 1 5.7 7/21 12.4s
#79 Hunter Alpha medium OpenRouter 1 6.7 8/18 10.3s
#121 Owl Alpha none Openrouter 1 5.5 7/21 9.88s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#77 Claude Sonnet 4.6 none Anthropic 4 6.8 11/21 5.04s
#68 Claude Opus 4.8 none Anthropic 3 7.0 12/21 3.47s
#152 MiMo-V2-Flash none Xiaomi 1 4.6 4/21 2.76s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#163 Granite 4.1 8B none IBM Granite 1 4.0 2/21 728ms

Mejores modelos por Cantidad de Formato extra

Cantidad de Formato extra vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)