AI BENCHY Fehler
Falsche Antwort-Fehler
Sieh, bei welchen KI-Modellen Falsche Antwort besonders häufig auftritt, damit du Zuverlässigkeitsrisiken vor der Auswahl erkennst.
Kategorien
In der Kategorie Domänenspezifisch307 In der Kategorie Anti-KI-Tricks236 In der Kategorie Rätsellösen142 In der Kategorie Allgemeinwissen127 In der Kategorie Programmierung121 In der Kategorie Befolgung von Anweisungen52 In der Kategorie Kombiniert51 In der Kategorie Datenanalyse und -extraktion35 In der Kategorie Allgemeine Intelligenz31 In der Kategorie Werkzeugaufrufe2
| Rang | Modell | Unternehmen | Falsche Antwort-Anzahl | Punktzahl | Korrekte Tests | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|
| #6 | Gemini 3.5 Flash medium | 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 | 2 | 8.6 | 13/16 | 68.1s | |
| #25 | Gemma 4 31B medium | 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 | 1 | 9.8 | 19/20 | 16.5s | |
| #2 | Gemini 3.5 Flash high | 1 | 9.6 | 19/20 | 8.30s | |
| #37 | Step 3.5 Flash none | Stepfun | 1 | 7.8 | 9/12 | 39.0s |