AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Kegagalan kategori AI BENCHY

Kecerdasan umum: Jawaban salah

Kecerdasan umum
Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Kecerdasan umum, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Tes benar ↓.

Model yang ditampilkan

15

Total kegagalan

32

Model yang paling terdampak

Step 3.7 Flash 1
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#22 Step 3.7 Flash medium Stepfun 1 4.0 0/1 6.85s
#23 GLM 5 Turbo medium Z.ai 1 6.1 0/1 10.1s
#36 Qwen3.5 Plus 2026-04-20 medium Qwen 1 4.9 0/1 25.3s
#39 Qwen3.6 Flash medium Qwen 1 4.8 0/1 9.88s
#47 Grok Build 0.1 medium X AI 1 4.4 0/1 18.4s
#57 Step 3.7 Flash low Stepfun 1 3.4 0/1 7.00s
#61 Gemini 3.1 Flash Lite low Google 1 4.0 0/1 1.37s
#71 Step 3.7 Flash high Stepfun 1 5.5 0/1 4.17s
#74 Qwen3.6 Max Preview none Qwen 1 4.3 0/1 1.62s
#80 Mimo V2 Omni medium Xiaomi 1 5.4 0/1 3.61s
#90 Gemini 3.1 Flash Lite none Google 1 4.0 0/1 992ms
#95 Qwen3.5 Plus 2026-02-15 none Qwen 1 4.4 0/1 2.26s
#96 Ring-2.6-1T none Inclusionai 1 4.3 0/1 15.6s
#97 Gemini 2.5 Flash none Google 1 5.0 0/1 615ms
#100 Grok Build 0.1 none X AI 1 4.3 0/1 12.5s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang