Peringkat Gabungan x Jawaban salah

Kegagalan kategori AI BENCHY

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

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Alasan kegagalan

Jawaban salah52 Pemanggilan alat tidak valid19 Kesalahan API13 Kedaluwarsa2 Tidak ada jawaban2 Tidak mengikuti instruksi1

Kategori

Spesifik domain314 Trik anti-AI245 Pemrograman194 Pemecahan teka-teki147 Pengetahuan umum130 Kepatuhan instruksi53 Gabungan52 Parsing dan ekstraksi data35 Kecerdasan umum32 Pemanggilan alat2

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Tes benar	Waktu respons (rata-rata)
#16	Gemini 3 Flash Preview low	Google	1	3.0	0/1	3.27s
#34	Qwen3.7 Max none	Qwen	1	3.0	0/1	2.17s
#35	Gemini 3 PRO Preview medium	Google	1	3.0	0/1	10.4s
#48	Gemini 3 Flash Preview none	Google	1	4.7	0/1	3.56s
#50	Gemini 3.1 Flash Lite Preview low	Google	1	3.0	0/1	11.9s
#51	Mimo V2 PRO medium	Xiaomi	1	4.7	0/1	64.7s
#58	Gemini 3.1 Flash Lite Preview none	Google	1	3.0	0/1	3.20s
#61	Gemini 3.1 Flash Lite low	Google	1	3.0	0/1	4.48s
#74	Qwen3.6 Max Preview none	Qwen	1	3.0	0/1	20.5s
#87	Gemini 3.1 Flash Lite minimal	Google	1	3.0	0/1	2.53s
#90	Gemini 3.1 Flash Lite none	Google	1	3.0	0/1	2.73s
#91	GPT-5.5 none	OpenAI	1	3.0	0/1	5.56s
#95	Qwen3.5 Plus 2026-02-15 none	Qwen	1	3.0	0/1	6.65s
#97	Gemini 2.5 Flash none	Google	1	3.0	0/1	4.39s
#98	GLM 5 none	Z.ai	1	3.0	0/1	4.98s

Model teratas menurut Jumlah Jawaban salah