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

Qwen3.5-9B 1
Rango Modelo Empresa Cantidad de Formato extra Puntuación Pruebas correctas Tiempo de respuesta (promedio)
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#30 Qwen3.5-27B medium Qwen 1 7.8 13/21 68.4s
#67 MiniMax M3 medium Minimax 1 7.1 11/21 68.2s
#47 Grok Build 0.1 medium X AI 3 7.4 13/21 49.9s
#38 Grok 4.3 medium X AI 1 7.6 13/21 47.5s
#80 Mimo V2 Omni medium Xiaomi 1 6.7 10/21 41.2s
#55 GLM 5.1 medium Z.ai 1 7.3 12/21 33.7s
#65 Grok 4.20 medium X AI 1 7.1 12/21 27.7s
#56 MiMo-V2.5 medium Xiaomi 2 7.3 12/21 27.1s
#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
#69 Claude Opus 4.6 medium Anthropic 5 7.0 12/21 25.9s
#51 Mimo V2 PRO medium Xiaomi 1 7.4 12/21 22.2s
#64 MiMo-V2-Flash medium Xiaomi 1 7.2 12/21 20.1s
#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)