AI BENCHY
Bandingkan Grafik Metodologi
❤️ Made by XCS
Your ad here

Kegagalan kategori AI BENCHY

Trik anti-AI
Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Trik anti-AI, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Jumlah kegagalan ↑.

Model yang ditampilkan

26

Total kegagalan

53

Model yang paling terdampak

Gemini 2.5 Flash 1

Alasan kegagalan terkait

Jawaban salah53 Tidak mengikuti instruksi12 Format tambahan8 Kedaluwarsa1 Tidak ada jawaban1

Kategori terkait

Spesifik domain98 Pemecahan teka-teki55 Trik anti-AI53 Kepatuhan instruksi26 Gabungan21 Parsing dan ekstraksi data14 Kecerdasan umum6 Pemanggilan alat2
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#16 Gemini 2.5 Flash medium Google 1 7.3 2/3 6.98s
#17 Gemini 3.1 Flash Lite Preview low Google 1 7.0 2/3 2.18s
#18 DeepSeek V3.2 medium DeepSeek 1 7.0 2/3 33.4s
#20 Gemini 3 Flash Preview none Google 1 7.0 2/3 1.59s
#22 Gemini 3.1 Flash Lite Preview none Google 1 6.0 1/3 1.16s
#33 DeepSeek V3.2 none DeepSeek 1 10.0 0/3 8.79s
#34 GPT-5 Nano medium OpenAI 1 7.0 2/3 37.7s
#48 Qwen3 Coder Next none Qwen 1 2.3 0/3 4.39s
#52 GLM 4.7 Flash medium Z.ai 1 4.0 1/3 27.1s
#29 Qwen3.5 Plus 2026-02-15 none Qwen 2 4.0 1/3 2.74s
#31 GLM 5 none Z.ai 2 4.0 1/3 3.39s
#40 Qwen3.5-122B-A10B none Qwen 2 4.0 1/3 927ms
#41 Qwen3.5-27B none Qwen 2 4.0 1/3 796ms
#47 GPT-4o-mini none OpenAI 2 4.0 1/3 1.83s
#50 Qwen3 Coder Next medium Qwen 2 1.3 0/3 15.3s
#53 Grok 4.1 Fast none X AI 2 1.3 0/3 1.73s
#37 Qwen3.5-Flash none Qwen 3 2.3 0/3 1.62s
#38 Gemini 2.5 Flash none Google 3 10.0 0/3 668ms
#42 Qwen3.5-35B-A3B none Qwen 3 10.0 0/3 1.76s
#44 GPT-5.4 none OpenAI 3 10.0 0/3 1.41s
#45 Trinity Large Preview none Arcee AI 3 10.0 0/3 3.59s
#46 Kimi K2.5 none Moonshot AI 3 2.7 0/3 11.4s
#49 GLM 4.7 Flash none Z.ai 3 10.0 0/3 6.59s
#51 Mercury 2 none Inception 3 10.0 0/3 466ms
#54 MiMo-V2-Flash none Xiaomi 3 10.0 0/3 1.36s
#55 LFM2-24B-A2B none Liquid 3 10.0 0/3 471ms

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs skor rata-rata

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang