AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Kegagalan kategori AI BENCHY

Trik anti-AI: Jawaban salah

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: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

15

Total kegagalan

245

Model yang paling terdampak

Mistral Small 4 4
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#142 Mistral Small 4 none Mistral 4 3.4 0/4 395ms
#160 LFM2-24B-A2B none Liquid 3 3.3 0/3 471ms
#155 Mercury 2 none Inception 4 3.0 0/4 483ms
#127 Grok 4.20 none X AI 3 4.8 1/4 501ms
#146 Laguna Xs.2 none Poolside 2 3.0 0/4 534ms
#97 Gemini 2.5 Flash none Google 4 3.0 0/4 582ms
#162 Nemotron 3 Nano Omni 30b A3b Reasoning none NVIDIA 2 4.8 1/4 584ms
#106 Grok 4.20 Beta none X AI 4 4.0 0/4 597ms
#145 Laguna M.1 none Poolside 3 3.4 0/4 705ms
#115 Qwen3.5-27B none Qwen 3 4.8 1/4 788ms
#163 Granite 4.1 8B none IBM Granite 2 4.9 1/4 844ms
#32 Gemini 3.5 Flash minimal Google 2 6.5 2/4 892ms
#144 GPT-5.4 Mini none OpenAI 4 3.1 0/4 929ms
#137 Elephant Alpha none Openrouter 1 6.6 2/4 963ms
#58 Gemini 3.1 Flash Lite Preview none Google 1 7.5 2/4 1.04s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang