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. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Claude Sonnet 4.6 1

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)
#11	Claude Sonnet 4.6 medium	Anthropic	1	10.0	0/3	0ms
#26	Claude Opus 4.6 medium	Anthropic	2	10.0	0/3	83.4s

Spesifik domain

Format tambahan

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs skor rata-rata

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

GabunganTrik anti-AIKecerdasan umumKepatuhan instruksiParsing dan ekstraksi dataPemecahan teka-tekiSpesifik domainPemanggilan alatSpesifik domainSpesifik domainCari : Jawaban salahKedaluwarsaFormat tambahanKesalahan APITidak ada jawabanFormat tambahanFormat tambahanCari

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs skor rata-rata

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Spesifik domain

Format tambahan