Peringkat Gabungan x Format tambahan

Kegagalan kategori AI BENCHY

Lihat model AI mana yang paling mungkin mengalami Format tambahan di Gabungan, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Tes benar ↓.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

North Mini Code 1

Alasan kegagalan

Jawaban salah53 Pemanggilan alat tidak valid20 Kesalahan API13 Kedaluwarsa2 Tidak ada jawaban2 Format tambahan1 Tidak mengikuti instruksi1

Kategori

Trik anti-AI18 Spesifik domain13 Pemrograman11 Parsing dan ekstraksi data4 Pemecahan teka-teki4 Kepatuhan instruksi2 Gabungan1

1/1

Peringkat	Model	Perusahaan	Jumlah Format tambahan	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#107	North Mini Code medium	Cohere	1	2.8	$0.000	0/1	323.1s
Total Tes 1 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 323.1s

Filter model

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Gabungan: Format tambahan

Filter model

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang