AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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. Urutkan berdasarkan: Jumlah kegagalan ↑.

Model yang ditampilkan

15

Total kegagalan

314

Model yang paling terdampak

Gemini 3.5 Flash 1
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#2 Gemini 3.5 Flash high Google 1 7.6 2/3 14.1s
#3 Gemini 3.5 Flash low Google 1 7.7 2/3 3.39s
#4 Gemini 3.1 Pro Preview medium Google 1 7.7 2/3 32.7s
#7 Gemini 3.5 Flash medium Google 1 7.7 2/3 5.24s
#8 Claude Opus 4.7 none Anthropic 1 7.7 2/3 1.19s
#20 Gemini 3.5 Flash none Google 1 7.6 2/3 10.6s
#22 Step 3.7 Flash medium Stepfun 1 7.7 2/3 48.3s
#25 Qwen3.5 Plus 2026-02-15 medium Qwen 1 5.3 1/3 17.5s
#27 Gemma 4 31B medium Google 1 7.7 2/3 38.5s
#30 Qwen3.5-27B medium Qwen 1 5.3 1/3 79.5s
#34 Qwen3.7 Max none Qwen 1 7.7 2/3 975ms
#42 GPT-5.2 medium OpenAI 1 5.9 1/3 77.8s
#47 Grok Build 0.1 medium X AI 1 5.3 1/3 158.0s
#48 Gemini 3 Flash Preview none Google 1 7.7 2/3 963ms
#49 Qwen3.5-Flash medium Qwen 1 5.3 1/3 146.5s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang