Peringkat Pemrograman x Jawaban salah

Kegagalan kategori AI BENCHY

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

Model yang ditampilkan

Total kegagalan

120

Model yang paling terdampak

Alasan kegagalan

Jawaban salah120 Tidak ada jawaban18 Tidak mengikuti instruksi16 Kedaluwarsa12 Format tambahan7 Kesalahan API6

Kategori

Spesifik domain298 Trik anti-AI235 Pemecahan teka-teki148 Pengetahuan umum127 Pemrograman120 Kepatuhan instruksi52 Gabungan51 Parsing dan ekstraksi data32 Kecerdasan umum27 Pemanggilan alat2

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Tes benar	Waktu respons (rata-rata)
#137	Qwen3.6 35B A3B none	Qwen	1	6.8	1/2	12.3s
#139	MiMo-V2.5 none	Xiaomi	1	6.8	1/2	3.74s
#140	Trinity Large Preview none	Arcee AI	1	4.9	0/1	14.3s
#141	Qwen3 Coder Next medium	Qwen	1	4.1	0/2	1.17s
#144	Hy3 preview none	Tencent	1	2.3	0/1	4.56s
#146	Ling-2.6-1T none	Inclusionai	1	5.5	0/1	10.6s
#149	MiMo-V2-Flash none	Xiaomi	1	4.9	0/2	2.04s
#150	Grok 4.1 Fast none	X AI	1	5.3	0/1	1.79s
#153	Granite 4.1 8B none	IBM Granite	1	5.2	0/2	706ms

←

1 2 3 4 5 6 7

Model teratas menurut Jumlah Jawaban salah