Kegagalan kategori AI BENCHY

Spesifik domain

Format tambahan

Lihat model AI mana yang paling mungkin mengalami Format tambahan di Spesifik domain, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Alasan kegagalan terkait

Jawaban salah98 Kedaluwarsa17 Format tambahan3 Kesalahan API1 Tidak ada jawaban1

Kategori terkait

Trik anti-AI8 Spesifik domain3 Parsing dan ekstraksi data1 Pemecahan teka-teki1

Peringkat	Model	Perusahaan	Jumlah Format tambahan	Skor kategori	Tes benar	Waktu respons (rata-rata)
#26	Claude Opus 4.6 medium	Anthropic	2	10.0	0/3	83.4s
#11	Claude Sonnet 4.6 medium	Anthropic	1	10.0	0/3	0ms

Model teratas menurut Jumlah Format tambahan