AI BENCHY
Advertise 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

314

Model yang paling terdampak

Qwen3.6 Max Preview 3
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#7 Gemini 3.5 Flash medium Google 1 7.7 2/3 5.24s
#8 Claude Opus 4.7 none Anthropic 1 7.7 2/3 1.19s
#20 Gemini 3.5 Flash none Google 1 7.6 2/3 10.6s
#22 Step 3.7 Flash medium Stepfun 1 7.7 2/3 48.3s
#25 Qwen3.5 Plus 2026-02-15 medium Qwen 1 5.3 1/3 17.5s
#27 Gemma 4 31B medium Google 1 7.7 2/3 38.5s
#30 Qwen3.5-27B medium Qwen 1 5.3 1/3 79.5s
#34 Qwen3.7 Max none Qwen 1 7.7 2/3 975ms
#42 GPT-5.2 medium OpenAI 1 5.9 1/3 77.8s
#47 Grok Build 0.1 medium X AI 1 5.3 1/3 158.0s
#48 Gemini 3 Flash Preview none Google 1 7.7 2/3 963ms
#49 Qwen3.5-Flash medium Qwen 1 5.3 1/3 146.5s
#51 Mimo V2 PRO medium Xiaomi 1 5.3 1/3 8.82s
#52 Claude Sonnet 4.6 medium Anthropic 1 2.9 0/3 0ms
#55 GLM 5.1 medium Z.ai 1 5.3 1/3 29.8s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang