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)
#113	DeepSeek V4 Pro none	DeepSeek	2	5.3	1/3	3.17s
#114	Qwen3.5 Plus 2026-04-20 none	Qwen	2	5.3	1/3	4.43s
#116	Hunter Alpha none	OpenRouter	2	5.3	1/3	2.33s
#120	Mimo V2 PRO none	Xiaomi	2	5.3	1/3	1.78s
#121	Owl Alpha none	Openrouter	2	5.3	1/3	3.00s
#123	MiMo-V2.5-Pro none	Xiaomi	2	5.3	1/3	877ms
#124	Kimi K2.6 none	Moonshot AI	2	5.3	1/3	1.48s
#125	GPT-5.4 none	OpenAI	2	5.3	1/3	1.07s
#127	Grok 4.20 none	X AI	2	3.0	0/3	687ms
#128	Qwen3.6 Flash none	Qwen	2	5.3	1/3	1.11s
#129	MiniMax M2.5 medium	Minimax	2	2.9	0/3	237.3s
#131	Qwen3.5-122B-A10B none	Qwen	2	5.3	1/3	465ms
#133	DeepSeek V3.2 none	DeepSeek	2	2.9	0/3	4.17s
#134	GLM 5 Turbo none	Z.ai	2	5.3	1/3	1.97s
#135	Kimi K2.5 none	Moonshot AI	2	5.3	1/3	4.38s

Model teratas menurut Jumlah Jawaban salah