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. Urutkan berdasarkan: Waktu respons (rata-rata) ↓.

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
#54 GPT-5 Nano medium OpenAI 1 6.7 0/1 40.7s
#74 Trinity Large Preview none Arcee AI 1 6.3 0/1 39.5s
#69 Mistral Small 4 medium Mistral 1 6.7 0/1 30.5s
#65 gpt-oss-120b medium OpenAI 1 4.3 0/1 26.3s
#44 Grok 4.20 medium X AI 1 4.3 0/1 24.3s
#71 GLM 5.1 none Z.ai 1 5.1 0/1 9.79s
#79 gpt-oss-120b none OpenAI 1 4.3 0/1 9.57s
#50 GLM 5 none Z.ai 1 5.6 0/1 8.84s
#61 DeepSeek V3.2 none DeepSeek 1 2.4 0/1 7.63s
#84 Qwen3.5-9B none Qwen 1 5.2 0/1 5.69s
#70 GLM 4.7 Flash none Z.ai 1 6.4 0/1 5.57s
#73 GLM 5 Turbo none Z.ai 1 5.3 0/1 3.93s
#46 Qwen3.5 Plus 2026-02-15 none Qwen 1 6.3 0/1 3.63s
#66 Qwen3.5-122B-A10B none Qwen 1 4.3 0/1 3.44s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang