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

Pemrograman: Jawaban salah

Pemrograman
Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Pemrograman, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

15

Total kegagalan

26

Model yang paling terdampak

MiMo-V2-Omni 1
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#32 MiMo-V2-Omni medium Xiaomi 1 4.0 0/1 68.5s
#44 Grok 4.20 medium X AI 1 4.3 0/1 24.3s
#46 Qwen3.5 Plus 2026-02-15 none Qwen 1 6.3 0/1 3.63s
#50 GLM 5 none Z.ai 1 5.6 0/1 8.84s
#52 MiMo-V2-Omni none Xiaomi 1 6.6 0/1 1.72s
#54 GPT-5 Nano medium OpenAI 1 6.7 0/1 40.7s
#61 DeepSeek V3.2 none DeepSeek 1 2.4 0/1 7.63s
#65 gpt-oss-120b medium OpenAI 1 4.3 0/1 26.3s
#66 Qwen3.5-122B-A10B none Qwen 1 4.3 0/1 3.44s
#69 Mistral Small 4 medium Mistral 1 6.7 0/1 30.5s
#70 GLM 4.7 Flash none Z.ai 1 6.4 0/1 5.57s
#71 GLM 5.1 none Z.ai 1 5.1 0/1 9.79s
#73 GLM 5 Turbo none Z.ai 1 5.3 0/1 3.93s
#74 Trinity Large Preview none Arcee AI 1 6.3 0/1 39.5s
#75 Grok 4.20 Beta none X AI 1 5.5 0/1 1.14s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang