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)
#150	Qwen3 Coder Next medium	Qwen	1	3.0	0/1	4.28s
#151	Trinity Large Preview none	Arcee AI	1	3.0	0/1	8.91s
#152	MiMo-V2-Flash none	Xiaomi	1	3.0	0/1	2.87s
#155	Mercury 2 none	Inception	1	3.0	0/1	606ms
#156	Hy3 preview none	Tencent	1	3.0	0/1	35.8s
#157	Grok 4.1 Fast none	X AI	1	3.0	0/1	3.33s
#159	Ling-2.6-1T none	Inclusionai	1	3.0	0/1	23.5s

←

1 2 3 4

Model teratas menurut Jumlah Jawaban salah