AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Kategoriefehler

Anti-KI-Tricks: Falsche Antwort

Anti-KI-Tricks
Falsche Antwort

Sieh, welche KI-Modelle bei Anti-KI-Tricks am ehesten auf Falsche Antwort stoßen, damit du Schwachstellen schneller erkennst.

Angezeigte Modelle

15

Gesamtfehler

245

Am stärksten betroffenes Modell

Gemini 2.5 Flash 4
Rang Modell Unternehmen Falsche Antwort-Anzahl Kategorie-Score Korrekte Tests Antwortzeit (Durchschnitt)
#78 Qwen3.6 27B medium Qwen 1 8.3 3/4 12.6s
#81 Mercury 2 medium Inception 1 6.9 2/4 1.12s
#84 Grok 4.20 Multi Agent Beta medium X AI 1 6.9 2/4 3.46s
#86 Grok 4.1 Fast medium X AI 1 8.7 3/4 3.81s
#87 Gemini 3.1 Flash Lite minimal Google 1 8.3 3/4 1.10s
#92 Laguna M.1 medium Poolside 1 6.5 2/4 4.87s
#99 gpt-oss-120b medium OpenAI 1 6.7 2/4 10.2s
#100 Grok Build 0.1 none X AI 1 8.7 3/4 6.30s
#102 Gemma 4 26B A4B none Google 1 8.3 3/4 1.28s
#103 DeepSeek V4 Pro high DeepSeek 1 6.4 2/4 16.5s
#107 Laguna Xs.2 medium Poolside 1 6.9 2/4 2.68s
#119 Cobuddy medium Baidu 1 8.7 3/4 10.00s
#126 gpt-oss-120b none OpenAI 1 6.5 2/4 32.8s
#130 MiniMax M2.7 medium Minimax 1 7.9 2/4 40.3s
#133 DeepSeek V3.2 none DeepSeek 1 3.2 0/4 9.35s

Top-Modelle nach Falsche Antwort-Anzahl

Falsche Antwort-Anzahl vs Punktzahl

Top-Modelle nach Antwortzeit (Durchschnitt)

Top-Modelle nach Geschätzte verschwendete Kosten