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)
#16	GPT-5.4 medium	OpenAI	2	5.3	1/3	74.3s
#18	GLM 5 Turbo medium	Z.ai	2	2.9	0/3	71.1s
#22	Gemini 3.1 Flash Lite Preview low	Google	2	5.3	1/3	2.36s
#24	Gemma 4 26B A4B medium	Google	2	2.9	0/3	23.6s
#25	Grok 4.20 Beta medium	X AI	2	5.3	1/3	21.3s
#28	GPT-5.2 Chat none	OpenAI	2	5.3	1/3	17.8s
#29	Gemini 3.1 Flash Lite Preview none	Google	2	5.3	1/3	942ms
#30	Step 3.5 Flash medium	Stepfun	2	5.3	1/3	170.5s
#31	GLM 5V Turbo medium	Z.ai	2	5.3	1/3	38.1s
#38	GPT-5.4 Nano medium	OpenAI	2	5.9	1/3	38.2s
#41	MiMo-V2-Flash medium	Xiaomi	2	5.9	1/3	96.0s
#45	GPT-5 Mini medium	OpenAI	2	3.6	0/3	44.6s
#46	Kimi K2.5 medium	Moonshot AI	2	3.5	0/3	137.3s
#49	Qwen3.5 Plus 2026-02-15 none	Qwen	2	5.3	1/3	1.17s
#51	Nemotron 3 Super medium	NVIDIA	2	2.9	0/3	16.2s

←

1 2 3 4 5 6 7

→

Model teratas menurut Jumlah Jawaban salah