Peringkat Kepatuhan instruksi x Kesalahan API

Kegagalan kategori AI BENCHY

Lihat model AI mana yang paling mungkin mengalami Kesalahan API di Kepatuhan instruksi, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Tes benar ↓.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Grok 4.20 1

Alasan kegagalan

Jawaban salah44 Tidak mengikuti instruksi22 Kedaluwarsa1 Kesalahan API1

Kategori

Parsing dan ekstraksi data6 Pemanggilan alat6 Pemrograman6 Gabungan5 Spesifik domain2 Kepatuhan instruksi1 Pemecahan teka-teki1

Peringkat	Model	Perusahaan	Jumlah Kesalahan API	Skor kategori	Tes benar	Waktu respons (rata-rata)
#47	Grok 4.20 medium	X AI	1	7.3	1/2	4.42s

Model teratas menurut Jumlah Kesalahan API

Jumlah Kesalahan API vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Kepatuhan instruksi: Kesalahan API

Model teratas menurut Jumlah Kesalahan API

Jumlah Kesalahan API vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang