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

182

Model yang paling terdampak

Alasan kegagalan

Jawaban salah182 Kedaluwarsa31 Format tambahan8 Kesalahan API2 Tidak ada jawaban2

Kategori

Spesifik domain182 Trik anti-AI165 Pemecahan teka-teki85 Kepatuhan instruksi44 Gabungan37 Pemrograman28 Parsing dan ekstraksi data19 Kecerdasan umum10 Pemanggilan alat2

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Tes benar	Waktu respons (rata-rata)
#81	Elephant medium	Openrouter	3	3.0	0/3	925ms
#84	gpt-oss-120b none	OpenAI	3	3.0	0/3	35.0s
#85	Elephant none	Openrouter	3	3.0	0/3	927ms
#86	GPT-5.4 Mini none	OpenAI	3	3.5	0/3	937ms
#88	Nemotron 3 Super none	NVIDIA	3	3.6	0/3	6.23s
#89	GPT-4o-mini none	OpenAI	3	3.0	0/3	637ms
#90	Qwen3.5-9B none	Qwen	3	3.0	0/3	464ms
#96	GPT-5.4 Nano none	OpenAI	3	2.9	0/3	926ms
#5	Gemini 3 Flash Preview low	Google	2	5.3	1/3	8.05s
#6	Seed-2.0-Lite medium	Bytedance Seed	2	5.9	1/3	88.7s
#7	GPT-5.3-Codex medium	OpenAI	2	5.9	1/3	64.3s
#11	Gemini 3.1 Flash Lite Preview high	Google	2	5.3	1/3	127.6s
#12	Gemini 3 PRO Preview medium	Google	2	5.3	1/3	7.01s
#13	GLM 5 medium	Z.ai	2	3.5	0/3	0ms
#15	Gemini 2.5 Flash medium	Google	2	5.9	1/3	37.3s

←

1 2 3 4 5 6 7

→

Model teratas menurut Jumlah Jawaban salah