ترتيب إخفاقات إجابة خاطئة

إخفاقات AI BENCHY

اكتشف أي نماذج الذكاء الاصطناعي تواجه إجابة خاطئة أكثر من غيرها، حتى ترى مخاطر الاعتمادية قبل الاختيار.

النماذج المعروضة

إجمالي الإخفاقات

1104

النموذج الأكثر تأثرًا

الفئات

ضمن الفئة خاص بالمجال307 ضمن الفئة حيل مضادة للذكاء الاصطناعي236 ضمن الفئة حل الألغاز142 ضمن الفئة معلومات عامة127 ضمن الفئة البرمجة121 ضمن الفئة اتباع التعليمات52 ضمن الفئة مجمّع51 ضمن الفئة تحليل البيانات واستخراجها35 ضمن الفئة الذكاء العام31 ضمن الفئة استدعاء الأدوات2

الترتيب	النموذج	الشركة	عدد إجابة خاطئة	النتيجة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#6	Gemini 3.5 Flash medium	Google	2	9.0	17/20	4.29s
#7	Claude Opus 4.7 medium	Anthropic	2	8.9	17/20	4.48s
#14	Gemini 3.1 Flash Lite Preview high	Google	2	8.6	13/16	68.1s
#25	Gemma 4 31B medium	Google	2	8.0	14/20	35.4s
#68	Qwen3.5-35B-A3B medium	Qwen	2	7.3	11/20	69.7s
#1	Gemini 3 Flash Preview medium	Google	1	9.8	19/20	16.5s
#2	Gemini 3.5 Flash high	Google	1	9.6	19/20	8.30s
#37	Step 3.5 Flash none	Stepfun	1	7.8	9/12	39.0s

إخفاقات إجابة خاطئة