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)
#55	MiMo-V2-Omni none	Xiaomi	2	5.3	1/3	1.14s
#56	Grok 4.20 Multi Agent Beta medium	X AI	2	2.9	0/3	24.7s
#58	GLM 5V Turbo none	Z.ai	2	5.3	1/3	2.09s
#62	Gemini 2.5 Flash none	Google	2	5.9	1/3	495ms
#65	MiMo-V2-Pro none	Xiaomi	2	5.3	1/3	1.78s
#66	GPT-5.4 none	OpenAI	2	5.3	1/3	1.07s
#69	Kimi K2.6 none	Moonshot AI	2	5.3	1/3	1.48s
#70	Qwen3.5-122B-A10B none	Qwen	2	5.3	1/3	465ms
#71	MiniMax M2.5 medium	Minimax	2	2.9	0/3	237.3s
#72	Hunter Alpha none	OpenRouter	2	5.3	1/3	2.33s
#76	Kimi K2.5 none	Moonshot AI	2	5.3	1/3	4.38s
#77	GLM 5 Turbo none	Z.ai	2	5.3	1/3	1.97s
#78	Trinity Large Preview none	Arcee AI	2	5.3	1/3	877ms
#82	Grok 4.20 none	X AI	2	3.0	0/3	687ms
#83	Mistral Small 4 none	Mistral	2	5.3	1/3	367ms

←

1 2 3 4 5 6 7

→

Model teratas menurut Jumlah Jawaban salah