Ranking für Domänenspezifisch x Falsche Antwort

AI BENCHY Kategoriefehler

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

Angezeigte Modelle

Gesamtfehler

182

Am stärksten betroffenes Modell

Fehlergründe

Falsche Antwort182 Zeitüberschreitung31 Zusätzliche Formatierung8 API-Fehler2 Keine Antwort2

Kategorien

Domänenspezifisch182 Anti-KI-Tricks165 Rätsellösen85 Befolgung von Anweisungen44 Kombiniert37 Programmierung28 Datenanalyse und -extraktion19 Allgemeine Intelligenz10 Werkzeugaufrufe2

Rang	Modell	Unternehmen	Falsche Antwort-Anzahl	Kategorie-Score	Korrekte Tests	Antwortzeit (Durchschnitt)
#16	GPT-5.4 medium	OpenAI	2	5.3	1/3	74.3s
#18	GLM 5 Turbo medium	Z.ai	2	2.9	0/3	71.1s
#22	Gemini 3.1 Flash Lite Preview low	Google	2	5.3	1/3	2.36s
#24	Gemma 4 26B A4B medium	Google	2	2.9	0/3	23.6s
#25	Grok 4.20 Beta medium	X AI	2	5.3	1/3	21.3s
#28	GPT-5.2 Chat none	OpenAI	2	5.3	1/3	17.8s
#29	Gemini 3.1 Flash Lite Preview none	Google	2	5.3	1/3	942ms
#30	Step 3.5 Flash medium	Stepfun	2	5.3	1/3	170.5s
#31	GLM 5V Turbo medium	Z.ai	2	5.3	1/3	38.1s
#38	GPT-5.4 Nano medium	OpenAI	2	5.9	1/3	38.2s
#41	MiMo-V2-Flash medium	Xiaomi	2	5.9	1/3	96.0s
#45	GPT-5 Mini medium	OpenAI	2	3.6	0/3	44.6s
#46	Kimi K2.5 medium	Moonshot AI	2	3.5	0/3	137.3s
#49	Qwen3.5 Plus 2026-02-15 none	Qwen	2	5.3	1/3	1.17s
#51	Nemotron 3 Super medium	NVIDIA	2	2.9	0/3	16.2s

←

1 2 3 4 5 6 7

→

Top-Modelle nach Falsche Antwort-Anzahl