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: Pruebas correctas ↑.

Modelos mostrados

Fallos totales

3207

Modelo más afectado

Command A+ 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)
#426	Command A+ medium	Cohere	1	0.3	$0.064	0/23	91.7s
Pruebas totales 23 Pruebas incorrectas 23 Costo total $0.064 Tiempo de respuesta (promedio) 91.7s
#430	Xing4.0 29b A4b none	Xingchen AGI	13	0.3	$0.000	0/23	42.7s
Pruebas totales 23 Pruebas incorrectas 23 Costo total $0.000 Tiempo de respuesta (promedio) 42.7s
#432	Command A+ high	Cohere	1	0.3	$0.079	0/23	90.0s
Pruebas totales 23 Pruebas incorrectas 23 Costo total $0.079 Tiempo de respuesta (promedio) 90.0s
#436	Command A+ low	Cohere	1	0.3	$0.073	0/23	92.5s
Pruebas totales 23 Pruebas incorrectas 23 Costo total $0.073 Tiempo de respuesta (promedio) 92.5s
#416	Xing4.0 29b A4b medium	Xingchen AGI	9	0.4	$0.000	1/23	371.7s
Pruebas totales 23 Pruebas incorrectas 22 Costo total $0.000 Tiempo de respuesta (promedio) 371.7s
#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
#379	Laguna S 2.1 none	Poolside	18	0.5	$0.044	2/23	17.7s
Pruebas totales 23 Pruebas incorrectas 21 Costo total $0.044 Tiempo de respuesta (promedio) 17.7s
#406	Mercury 2.5 none	Inception	15	0.4	$0.026	2/23	5.10s
Pruebas totales 23 Pruebas incorrectas 21 Costo total $0.026 Tiempo de respuesta (promedio) 5.10s
#413	Ling 3.0 Tiny default	Inclusionai	13	0.4	$0.000	2/23	13.4s
Pruebas totales 23 Pruebas incorrectas 21 Costo total $0.000 Tiempo de respuesta (promedio) 13.4s
#414	Granite 4.1 8b default	IBM Granite	13	0.4	$0.007	2/23	1.38s
Pruebas totales 23 Pruebas incorrectas 21 Costo total $0.007 Tiempo de respuesta (promedio) 1.38s
#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
#335	Hy4 preview low	Tencent	13	0.5	$1.844	3/23	207.2s
Pruebas totales 23 Pruebas incorrectas 20 Costo total $1.844 Tiempo de respuesta (promedio) 207.2s
#357	Apodex 1.1 Mini default	Apodex	16	0.5	$0.000	3/23	7.79s
Pruebas totales 23 Pruebas incorrectas 20 Costo total $0.000 Tiempo de respuesta (promedio) 7.79s
#361	Dots 3 Note Preview default	Dots Studio	16	0.5	$0.000	3/23	5.36s
Pruebas totales 23 Pruebas incorrectas 20 Costo total $0.000 Tiempo de respuesta (promedio) 5.36s

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)