AI BENCHY
Your ad here

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.

Model yang ditampilkan

15

Total kegagalan

182

Model yang paling terdampak

Qwen3.6 Plus Preview 3
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#32 Qwen3.5-Flash medium Qwen 1 5.3 1/3 146.5s
#33 GLM 5.1 medium Z.ai 1 5.3 1/3 29.8s
#35 MiMo-V2-Omni medium Xiaomi 1 3.0 0/3 55.1s
#37 Claude Opus 4.6 medium Anthropic 1 3.0 0/3 83.4s
#40 GPT-5.2 medium OpenAI 1 5.9 1/3 77.8s
#42 Claude Sonnet 4.6 none Anthropic 1 7.7 2/3 3.54s
#43 Qwen3.5-35B-A3B medium Qwen 1 4.1 0/3 88.3s
#47 Grok 4.20 medium X AI 1 5.3 1/3 27.0s
#48 Gemma 4 31B none Google 1 7.7 2/3 3.22s
#50 Hunter Alpha medium OpenRouter 1 3.0 0/3 10.5s
#52 Grok 4.1 Fast medium X AI 1 5.8 1/3 121.8s
#57 GPT-5 Nano medium OpenAI 1 5.2 1/3 204.0s
#59 Qwen3.5-Flash none Qwen 1 7.7 2/3 905ms
#63 Qwen3.5-35B-A3B none Qwen 1 7.7 2/3 485ms
#73 Mistral Small 4 medium Mistral 1 5.3 1/3 6.11s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang