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) |
|---|---|---|---|---|---|---|
| #85 | Kimi K2.5 medium | Moonshot AI | 5 | 6.7 | 9/20 | 89.0s |
| #102 | Nemotron 3 Super medium | NVIDIA | 5 | 5.9 | 8/20 | 20.9s |
| #11 | GPT-5.5 medium | OpenAI | 4 | 8.7 | 16/20 | 37.9s |
| #13 | Gemini 3 Flash Preview low | 4 | 8.6 | 16/20 | 5.81s | |
| #17 | GPT-5.3-Codex medium | OpenAI | 4 | 8.3 | 14/20 | 16.0s |
| #23 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 4 | 8.1 | 14/20 | 67.6s |
| #26 | Hy3 preview low | Tencent | 4 | 7.9 | 15/20 | 24.6s |
| #27 | Gemini 3.5 Flash minimal | 4 | 7.9 | 14/20 | 1.58s | |
| #31 | GLM 5 Turbo medium | Z.ai | 4 | 7.9 | 13/20 | 22.7s |
| #35 | Qwen3.6 35B A3B medium | Qwen | 4 | 7.8 | 14/20 | 17.3s |
| #36 | Grok 4.3 medium | X AI | 4 | 7.8 | 13/20 | 49.2s |
| #45 | Grok Build 0.1 medium | X AI | 4 | 7.7 | 13/20 | 42.4s |
| #56 | GLM 5.1 medium | Z.ai | 4 | 7.4 | 12/20 | 33.5s |
| #58 | MiMo-V2.5 medium | Xiaomi | 4 | 7.4 | 12/20 | 20.3s |
| #61 | Step 3.5 Flash medium | Stepfun | 4 | 7.4 | 11/19 | 43.2s |