AI BENCHY
Your ad here

Kegagalan kategori AI BENCHY

Spesifik domain: Jawaban salah

Spesifik domain
Jawaban salah

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

Model yang ditampilkan

15

Total kegagalan

182

Model yang paling terdampak

Qwen3.6 Plus Preview 3
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#9 Qwen3.6 Plus Preview medium Qwen 3 3.0 0/3 22.1s
#17 Gemini 3.1 Flash Lite Preview medium Google 3 3.0 0/3 4.21s
#19 Qwen3.5-122B-A10B medium Qwen 3 2.9 0/3 63.4s
#20 Qwen3.6 Plus medium Qwen 3 2.9 0/3 29.6s
#36 GPT-5.3 Chat none OpenAI 3 3.5 0/3 13.0s
#44 GPT-5.4 Mini medium OpenAI 3 4.1 0/3 65.3s
#53 GLM 5 none Z.ai 3 3.0 0/3 2.24s
#54 Mercury 2 medium Inception 3 2.9 0/3 6.48s
#60 Gemma 4 26B A4B none Google 3 3.6 0/3 2.49s
#61 Seed-2.0-Lite none Bytedance Seed 3 3.6 0/3 1.33s
#64 DeepSeek V3.2 none DeepSeek 3 3.6 0/3 1.61s
#67 Qwen3.5-27B none Qwen 3 3.0 0/3 540ms
#68 gpt-oss-120b medium OpenAI 3 2.9 0/3 50.9s
#75 GLM 5.1 none Z.ai 3 2.9 0/3 1.99s
#79 Grok 4.20 Beta none X AI 3 3.0 0/3 611ms

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang