ترتيب مجمّع x إجابة خاطئة

إخفاقات الفئات في AI BENCHY

اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور إجابة خاطئة في مجمّع، حتى ترصد نقاط الضعف بسرعة أكبر. الترتيب حسب: زمن الاستجابة (المتوسط) ↑.

النماذج المعروضة

إجمالي الإخفاقات

النموذج الأكثر تأثرًا

أسباب الفشل

إجابة خاطئة52 استدعاء أداة غير صالح19 خطأ API13 انتهت المهلة2 لا توجد إجابة2 لم يتبع التعليمات1

الفئات

خاص بالمجال314 حيل مضادة للذكاء الاصطناعي245 البرمجة194 حل الألغاز147 معلومات عامة130 اتباع التعليمات53 مجمّع52 تحليل البيانات واستخراجها35 الذكاء العام32 استدعاء الأدوات2

الترتيب	النموذج	الشركة	عدد إجابة خاطئة	درجة الفئة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#155	Mercury 2 none	Inception	1	3.0	0/1	606ms
#142	Mistral Small 4 none	Mistral	1	3.0	0/1	1.72s
#146	Laguna Xs.2 none	Poolside	1	3.0	0/1	2.01s
#34	Qwen3.7 Max none	Qwen	1	3.0	0/1	2.17s
#143	MiMo-V2.5 none	Xiaomi	1	3.0	0/1	2.36s
#144	GPT-5.4 Mini none	OpenAI	1	3.0	0/1	2.52s
#87	Gemini 3.1 Flash Lite minimal	Google	1	3.0	0/1	2.53s
#90	Gemini 3.1 Flash Lite none	Google	1	3.0	0/1	2.73s
#152	MiMo-V2-Flash none	Xiaomi	1	3.0	0/1	2.87s
#125	GPT-5.4 none	OpenAI	1	3.0	0/1	2.89s
#58	Gemini 3.1 Flash Lite Preview none	Google	1	3.0	0/1	3.20s
#16	Gemini 3 Flash Preview low	Google	1	3.0	0/1	3.27s
#157	Grok 4.1 Fast none	X AI	1	3.0	0/1	3.33s
#124	Kimi K2.6 none	Moonshot AI	1	3.0	0/1	3.38s
#48	Gemini 3 Flash Preview none	Google	1	4.7	0/1	3.56s

أفضل النماذج حسب عدد إجابة خاطئة