AI BENCHY Fehler
Falsche Antwort-Fehler
Sieh, bei welchen KI-Modellen Falsche Antwort besonders häufig auftritt, damit du Zuverlässigkeitsrisiken vor der Auswahl erkennst. Sortieren nach: Punktzahl ↑.
Kategorien
In der Kategorie Domänenspezifisch314 In der Kategorie Anti-KI-Tricks245 In der Kategorie Programmierung194 In der Kategorie Rätsellösen147 In der Kategorie Allgemeinwissen130 In der Kategorie Befolgung von Anweisungen53 In der Kategorie Kombiniert52 In der Kategorie Datenanalyse und -extraktion35 In der Kategorie Allgemeine Intelligenz32 In der Kategorie Werkzeugaufrufe2
| Rang | Modell | Unternehmen | Falsche Antwort-Anzahl | Punktzahl | Korrekte Tests | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|
| #118 | Qwen3.6 27B none | Qwen | 11 | 5.6 | 7/21 | 3.72s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 12 | 5.6 | 7/21 | 3.37s |
| #116 | Hunter Alpha none | OpenRouter | 9 | 5.7 | 6/18 | 4.70s |
| #115 | Qwen3.5-27B none | Qwen | 12 | 5.7 | 7/21 | 1.68s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 12 | 5.7 | 7/21 | 4.39s |
| #113 | DeepSeek V4 Pro none | DeepSeek | 10 | 5.7 | 7/21 | 12.4s |
| #112 | GLM 5.1 none | Z.ai | 13 | 5.7 | 7/21 | 4.10s |
| #111 | Owl Alpha medium | Openrouter | 10 | 5.7 | 8/21 | 11.9s |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 13 | 5.8 | 8/21 | 2.49s |
| #109 | GLM 5V Turbo none | Z.ai | 11 | 5.8 | 8/21 | 2.99s |
| #108 | Qwen3.5-Flash none | Qwen | 13 | 5.8 | 8/21 | 3.58s |
| #107 | Laguna Xs.2 medium | Poolside | 6 | 5.8 | 6/19 | 6.73s |
| #106 | Grok 4.20 Beta none | X AI | 10 | 5.8 | 6/18 | 1.19s |
| #105 | Nemotron 3 Super medium | NVIDIA | 5 | 5.8 | 8/21 | 32.0s |
| #104 | Nemotron 3 Ultra 550b A55b none | NVIDIA | 12 | 6.0 | 8/21 | 2.27s |