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: Tiempo de respuesta (promedio) ↑.

Modelos mostrados

Fallos totales

3207

Modelo más afectado

Decider V1.1 27B 8

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)
#443	Decider V1.1 27B default	Perplexity	8	0.3	$0.002	4/12	320ms
Pruebas totales 12 Pruebas incorrectas 8 Costo total $0.002 Tiempo de respuesta (promedio) 320ms
#460	Nimble v3 9B default	Bespoke Labs	5	0.8	~$0.001	1/7	363ms
Pruebas totales 7 Pruebas incorrectas 6 Costo total ~$0.001 Tiempo de respuesta (promedio) 363ms
#447	Jev 1.14 default	Typesafe	7	0.2	$0.003	4/12	377ms
Pruebas totales 12 Pruebas incorrectas 8 Costo total $0.003 Tiempo de respuesta (promedio) 377ms
#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
#445	GPT-6 Luna Decisions default	OpenAI	8	0.2	$0.005	3/12	495ms
Pruebas totales 12 Pruebas incorrectas 9 Costo total $0.005 Tiempo de respuesta (promedio) 495ms
#459	Tev1 4B Experimental default	Togethercomputer	4	1.0	$0.002	3/7	498ms
Pruebas totales 7 Pruebas incorrectas 4 Costo total $0.002 Tiempo de respuesta (promedio) 498ms
#453	D1 default	Liquid	10	0.2	$0.003	2/12	508ms
Pruebas totales 12 Pruebas incorrectas 10 Costo total $0.003 Tiempo de respuesta (promedio) 508ms
#442	Decider V1.2 default	Perplexity	5	0.3	$0.001	5/12	517ms
Pruebas totales 12 Pruebas incorrectas 7 Costo total $0.001 Tiempo de respuesta (promedio) 517ms
#439	d1-ultra default	Liquid	7	0.3	$0.003	4/12	531ms
Pruebas totales 12 Pruebas incorrectas 8 Costo total $0.003 Tiempo de respuesta (promedio) 531ms
#441	Jev 1.13 default	Typesafe	6	0.3	$0.003	6/12	698ms
Pruebas totales 12 Pruebas incorrectas 6 Costo total $0.003 Tiempo de respuesta (promedio) 698ms
#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
#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
#434	Laguna Xs.2 default	Poolside	8	0.3	$0.004	5/19	806ms
Pruebas totales 19 Pruebas incorrectas 14 Costo total $0.004 Tiempo de respuesta (promedio) 806ms
#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
#457	Microsoft-Decision-1 default	Microsoft	11	0.1	$0.002	1/12	982ms
Pruebas totales 12 Pruebas incorrectas 11 Costo total $0.002 Tiempo de respuesta (promedio) 982ms

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)