Ranking de fallos por Respuesta incorrecta

Mira qué modelos de IA se encuentran con Respuesta incorrecta con más frecuencia para detectar riesgos de fiabilidad antes de elegir. Ordenar por: Cantidad de fallos ↑.

Modelos mostrados

Fallos totales

3207

Modelo más afectado

Gemini 3.6 Flash 1

Categorías

En la categoría Específico del dominio907 En la categoría Trucos anti-IA521 En la categoría Programación486 En la categoría Resolución de acertijos357 En la categoría Cultura general323 En la categoría Inteligencia general134 En la categoría Combinado131 En la categoría Tareas de agentes128 En la categoría Seguimiento de instrucciones118 En la categoría Análisis y extracción de datos93

453/453

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#422	Elephant Alpha default	Openrouter	9	0.4	$0.000	5/21	1.22s
Pruebas totales 21 Pruebas incorrectas 16 Costo total $0.000 Tiempo de respuesta (promedio) 1.22s
#423	Elephant Alpha medium	Openrouter	9	0.4	$0.000	6/21	1.27s
Pruebas totales 21 Pruebas incorrectas 15 Costo total $0.000 Tiempo de respuesta (promedio) 1.27s
#424	Hunter Alpha default	OpenRouter	9	0.3	$0.000	6/18	4.70s
Pruebas totales 18 Pruebas incorrectas 12 Costo total $0.000 Tiempo de respuesta (promedio) 4.70s
#440	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	9	0.3	$0.000	2/19	728ms
Pruebas totales 19 Pruebas incorrectas 17 Costo total $0.000 Tiempo de respuesta (promedio) 728ms
#446	Kev 4B default	Jaredpalmer	9	0.2	$0.002	3/12	5.63s
Pruebas totales 12 Pruebas incorrectas 9 Costo total $0.002 Tiempo de respuesta (promedio) 5.63s
#450	Clef Omni default	Cloudflare	9	0.2	$0.011	2/12	880ms
Pruebas totales 12 Pruebas incorrectas 10 Costo total $0.011 Tiempo de respuesta (promedio) 880ms
#451	Decider Flash V1.2 default	Perplexity	9	0.2	$0.001	3/12	462ms
Pruebas totales 12 Pruebas incorrectas 9 Costo total $0.001 Tiempo de respuesta (promedio) 462ms
#455	LFM2-24B-A2B default	Liquid	9	0.2	$0.001	2/16	782ms
Pruebas totales 16 Pruebas incorrectas 14 Costo total $0.001 Tiempo de respuesta (promedio) 782ms
#155	Space Bunny Alpha high	Stealth	10	0.8	$0.000	13/23	29.4s
Pruebas totales 23 Pruebas incorrectas 10 Costo total $0.000 Tiempo de respuesta (promedio) 29.4s
#207	GPT-5.6 Luna low	OpenAI	10	0.7	$0.049	11/23	6.96s
Pruebas totales 23 Pruebas incorrectas 12 Costo total $0.049 Tiempo de respuesta (promedio) 6.96s
#214	GPT-6 Sol none	OpenAI	10	0.7	$0.551	13/23	9.02s
Pruebas totales 23 Pruebas incorrectas 10 Costo total $0.551 Tiempo de respuesta (promedio) 9.02s
#215	Space Bunny Alpha max	Stealth	10	0.7	$0.000	11/23	36.2s
Pruebas totales 23 Pruebas incorrectas 12 Costo total $0.000 Tiempo de respuesta (promedio) 36.2s
#225	GPT-5.6 Sol none	OpenAI	10	0.7	$0.795	12/23	4.61s
Pruebas totales 23 Pruebas incorrectas 11 Costo total $0.795 Tiempo de respuesta (promedio) 4.61s
#235	KAT-Coder-Pro V2.5 low	Kwaipilot	10	0.7	$0.568	11/23	19.4s
Pruebas totales 23 Pruebas incorrectas 12 Costo total $0.568 Tiempo de respuesta (promedio) 19.4s
#244	KAT-Coder-Pro V2.5 high	Kwaipilot	10	0.6	$0.506	11/23	21.2s
Pruebas totales 23 Pruebas incorrectas 12 Costo total $0.506 Tiempo de respuesta (promedio) 21.2s

Fallos por Respuesta incorrecta

Filtrar modelos

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)