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)
#139	DeepSeek V4 Flash none	DeepSeek	2	5.3	1/3	19.7s
#140	Qwen3 Coder Next none	Qwen	2	5.3	1/3	962ms
#142	Mistral Small 4 none	Mistral	2	5.3	1/3	367ms
#146	Laguna Xs.2 none	Poolside	2	5.3	1/3	371ms
#149	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	2	2.9	0/3	56.7s
#150	Qwen3 Coder Next medium	Qwen	2	5.3	1/3	638ms
#151	Trinity Large Preview none	Arcee AI	2	5.3	1/3	877ms
#152	MiMo-V2-Flash none	Xiaomi	2	5.3	1/3	564ms
#155	Mercury 2 none	Inception	2	5.3	1/3	534ms
#156	Hy3 preview none	Tencent	2	3.6	0/3	17.6s
#157	Grok 4.1 Fast none	X AI	2	5.9	1/3	1.06s
#158	GLM 4.7 Flash medium	Z.ai	2	3.5	0/3	174.6s
#2	Gemini 3.5 Flash high	Google	1	7.6	2/3	14.1s
#3	Gemini 3.5 Flash low	Google	1	7.7	2/3	3.39s
#4	Gemini 3.1 Pro Preview medium	Google	1	7.7	2/3	32.7s

Model teratas menurut Jumlah Jawaban salah