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

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)
#372	Hy4 preview none	Tencent	14	0.5	$0.165	3/23	40.4s
Pruebas totales 23 Pruebas incorrectas 20 Costo total $0.165 Tiempo de respuesta (promedio) 40.4s
#381	Qwen3 Coder Next medium	Qwen	15	0.5	$0.071	3/23	17.0s
Pruebas totales 23 Pruebas incorrectas 20 Costo total $0.071 Tiempo de respuesta (promedio) 17.0s
#386	Laguna S 2.1 low	Poolside	16	0.5	$0.108	3/23	88.2s
Pruebas totales 23 Pruebas incorrectas 20 Costo total $0.108 Tiempo de respuesta (promedio) 88.2s
#398	Granite 4.2 8B none	IBM Granite	11	0.4	$0.037	3/23	84.7s
Pruebas totales 23 Pruebas incorrectas 20 Costo total $0.037 Tiempo de respuesta (promedio) 84.7s
#408	Qwen3.5-9B medium	Qwen	2	0.4	$0.106	3/23	110.2s
Pruebas totales 23 Pruebas incorrectas 20 Costo total $0.106 Tiempo de respuesta (promedio) 110.2s
#415	Nemotron 3.5 Lightning none	NVIDIA	16	0.4	$0.009	3/23	15.9s
Pruebas totales 23 Pruebas incorrectas 20 Costo total $0.009 Tiempo de respuesta (promedio) 15.9s
#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
#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
#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
#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
#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
#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

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)