Kegagalan kategori AI BENCHY

Pemecahan teka-teki

Format tambahan

Lihat model AI mana yang paling mungkin mengalami Format tambahan di Pemecahan teka-teki, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Waktu respons (rata-rata) ↓.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Claude Sonnet 4.6 1

Alasan kegagalan terkait

Jawaban salah55 Tidak mengikuti instruksi24 Kedaluwarsa4 Format tambahan1 Kesalahan API1

Kategori terkait

Trik anti-AI8 Spesifik domain3 Parsing dan ekstraksi data1 Pemecahan teka-teki1

Peringkat	Model	Perusahaan	Jumlah Format tambahan	Skor kategori	Tes benar	Waktu respons (rata-rata)
#25	Claude Sonnet 4.6 none	Anthropic	1	7.0	2/3	2.92s

Pemecahan teka-teki

Format tambahan

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs skor rata-rata

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

GabunganTrik anti-AIKecerdasan umumKepatuhan instruksiParsing dan ekstraksi dataPemecahan teka-tekiSpesifik domainPemanggilan alatPemecahan teka-tekiPemecahan teka-tekiCari : Jawaban salahTidak mengikuti instruksiKedaluwarsaFormat tambahanKesalahan APIFormat tambahanFormat tambahanCari

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs skor rata-rata

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Pemecahan teka-teki

Format tambahan