AI BENCHY
Advertise here

Kegagalan kategori AI BENCHY

Spesifik domain: Format tambahan

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: Tes benar ↓.

Model yang ditampilkan

10

Total kegagalan

12

Model yang paling terdampak

MiMo-V2.5-Pro 2
Peringkat Model Perusahaan Jumlah Format tambahan Skor kategori Tes benar Waktu respons (rata-rata)
#43 MiMo-V2.5-Pro medium Xiaomi 2 5.3 1/3 37.9s
#47 Grok Build 0.1 medium X AI 1 5.3 1/3 158.0s
#56 MiMo-V2.5 medium Xiaomi 1 5.3 1/3 34.5s
#65 Grok 4.20 medium X AI 1 5.3 1/3 27.0s
#52 Claude Sonnet 4.6 medium Anthropic 1 2.9 0/3 0ms
#69 Claude Opus 4.6 medium Anthropic 2 3.0 0/3 83.4s
#79 Hunter Alpha medium OpenRouter 1 3.0 0/3 10.5s
#80 Mimo V2 Omni medium Xiaomi 1 3.0 0/3 47.9s
#84 Grok 4.20 Multi Agent Beta medium X AI 1 2.9 0/3 24.7s
#127 Grok 4.20 none X AI 1 3.0 0/3 687ms

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang