Kegagalan kategori AI BENCHY
Pemrograman: Format tambahan
Pemrograman
Format tambahan
Lihat model AI mana yang paling mungkin mengalami Format tambahan di Pemrograman, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Tes benar ↑.
Alasan kegagalan
| Peringkat | Model | Perusahaan | Jumlah Format tambahan | Skor kategori | Tes benar | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|
| #45 | Grok Build 0.1 medium | X AI | 1 | 5.3 | 0/2 | 67.4s |
| #93 | MiMo-V2-Omni none | Xiaomi | 1 | 5.1 | 0/2 | 2.75s |
| #31 | Grok 4.3 medium | X AI | 1 | 7.4 | 1/2 | 55.3s |
| #40 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 7.0 | 1/2 | 81.7s |
| #46 | Claude Sonnet 4.6 medium | Anthropic | 1 | 6.9 | 1/2 | 33.9s |
| #69 | Claude Sonnet 4.6 none | Anthropic | 1 | 6.8 | 1/2 | 6.73s |
| #106 | Owl Alpha none | Openrouter | 1 | 7.0 | 1/2 | 39.7s |