إخفاقات AI BENCHY
إخفاقات تنسيق إضافي
اكتشف أي نماذج الذكاء الاصطناعي تواجه تنسيق إضافي أكثر من غيرها، حتى ترى مخاطر الاعتمادية قبل الاختيار.
| الترتيب | النموذج | الشركة | عدد تنسيق إضافي | النتيجة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|
| #69 | Claude Opus 4.6 medium | Anthropic | 5 | 7.0 | 12/21 | 25.9s |
| #77 | Claude Sonnet 4.6 none | Anthropic | 4 | 6.8 | 11/21 | 5.04s |
| #43 | MiMo-V2.5-Pro medium | Xiaomi | 3 | 7.5 | 12/21 | 26.1s |
| #47 | Grok Build 0.1 medium | X AI | 3 | 7.4 | 13/21 | 49.9s |
| #52 | Claude Sonnet 4.6 medium | Anthropic | 3 | 7.4 | 13/21 | 17.1s |
| #68 | Claude Opus 4.8 none | Anthropic | 3 | 7.0 | 12/21 | 3.47s |
| #56 | MiMo-V2.5 medium | Xiaomi | 2 | 7.3 | 12/21 | 27.1s |
| #84 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 6.6 | 8/18 | 9.69s |
| #133 | DeepSeek V3.2 none | DeepSeek | 2 | 5.2 | 6/21 | 13.8s |
| #139 | DeepSeek V4 Flash none | DeepSeek | 2 | 5.0 | 5/21 | 26.8s |
| #30 | Qwen3.5-27B medium | Qwen | 1 | 7.8 | 13/21 | 68.4s |
| #38 | Grok 4.3 medium | X AI | 1 | 7.6 | 13/21 | 47.5s |
| #51 | Mimo V2 PRO medium | Xiaomi | 1 | 7.4 | 12/21 | 22.2s |
| #55 | GLM 5.1 medium | Z.ai | 1 | 7.3 | 12/21 | 33.7s |
| #64 | MiMo-V2-Flash medium | Xiaomi | 1 | 7.2 | 12/21 | 20.1s |