Peringkat Spesifik domain x Jawaban salah

Kegagalan kategori AI BENCHY

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

Model yang ditampilkan

Total kegagalan

314

Model yang paling terdampak

Alasan kegagalan

Jawaban salah314 Kedaluwarsa34 Format tambahan12 Kesalahan API6 Tidak ada jawaban5 Tidak mengikuti instruksi1

Kategori

Spesifik domain314 Trik anti-AI245 Pemrograman194 Pemecahan teka-teki147 Pengetahuan umum130 Kepatuhan instruksi53 Gabungan52 Parsing dan ekstraksi data35 Kecerdasan umum32 Pemanggilan alat2

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Tes benar	Waktu respons (rata-rata)
#81	Mercury 2 medium	Inception	3	2.9	0/3	6.48s
#87	Gemini 3.1 Flash Lite minimal	Google	3	2.9	0/3	1.02s
#88	Qwen3.7 Plus none	Qwen	3	3.0	0/3	868ms
#90	Gemini 3.1 Flash Lite none	Google	3	2.9	0/3	762ms
#91	GPT-5.5 none	OpenAI	3	2.9	0/3	1.31s
#98	GLM 5 none	Z.ai	3	3.0	0/3	2.24s
#99	gpt-oss-120b medium	OpenAI	3	2.9	0/3	50.9s
#102	Gemma 4 26B A4B none	Google	3	3.6	0/3	2.49s
#106	Grok 4.20 Beta none	X AI	3	3.0	0/3	611ms
#110	Seed-2.0-Lite none	Bytedance Seed	3	3.6	0/3	1.33s
#112	GLM 5.1 none	Z.ai	3	2.9	0/3	1.99s
#115	Qwen3.5-27B none	Qwen	3	3.0	0/3	540ms
#119	Cobuddy medium	Baidu	3	2.9	0/3	128.2s
#126	gpt-oss-120b none	OpenAI	3	3.0	0/3	35.0s
#136	Elephant Alpha medium	Openrouter	3	3.0	0/3	925ms

Model teratas menurut Jumlah Jawaban salah