Fallos AI BENCHY
Fallos por Sin respuesta
Mira qué modelos de IA se encuentran con Sin respuesta con más frecuencia para detectar riesgos de fiabilidad antes de elegir. Ordenar por: Pruebas correctas ↓.
Categorías
En la categoría Programación18 En la categoría Cultura general6 En la categoría Análisis y extracción de datos5 En la categoría Específico del dominio5 En la categoría Combinado2 En la categoría Llamada de herramientas2 En la categoría Seguimiento de instrucciones2 En la categoría Trucos anti-IA2 En la categoría Resolución de acertijos1
| Rango | Modelo | Empresa | Cantidad de Sin respuesta | Puntuación | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #10 | Claude Opus 4.8 medium | Anthropic | 1 | 8.7 | 17/21 | 9.66s |
| #17 | GLM 5 medium | Z.ai | 1 | 8.3 | 15/21 | 33.5s |
| #22 | Step 3.7 Flash medium | Stepfun | 1 | 8.0 | 14/21 | 20.4s |
| #23 | GLM 5 Turbo medium | Z.ai | 1 | 8.0 | 14/21 | 23.0s |
| #27 | Gemma 4 31B medium | 1 | 7.8 | 14/21 | 56.5s | |
| #37 | Gemma 4 26B A4B medium | 2 | 7.6 | 14/21 | 63.4s | |
| #42 | GPT-5.2 medium | OpenAI | 1 | 7.5 | 13/21 | 16.9s |
| #46 | Qwen3.6 35B A3B medium | Qwen | 1 | 7.4 | 13/21 | 18.1s |
| #55 | GLM 5.1 medium | Z.ai | 1 | 7.3 | 12/21 | 33.7s |
| #56 | MiMo-V2.5 medium | Xiaomi | 1 | 7.3 | 12/21 | 27.1s |
| #57 | Step 3.7 Flash low | Stepfun | 1 | 7.3 | 12/21 | 15.7s |
| #60 | Kimi K2.6 medium | Moonshot AI | 1 | 7.2 | 12/21 | 71.7s |
| #68 | Claude Opus 4.8 none | Anthropic | 1 | 7.0 | 12/21 | 3.47s |
| #53 | Gemini 3.1 Flash Lite high | 1 | 7.3 | 10/18 | 62.0s | |
| #62 | Step 3.5 Flash medium | Stepfun | 1 | 7.2 | 11/20 | 72.5s |