Peringkat Pemecahan teka-teki x Format tambahan

Kegagalan kategori AI BENCHY

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

DeepSeek V4 Flash 1

Alasan kegagalan

Jawaban salah147 Tidak mengikuti instruksi78 Kesalahan API13 Format tambahan5 Kedaluwarsa5 Tidak ada jawaban1

Kategori

Trik anti-AI14 Spesifik domain12 Pemrograman11 Pemecahan teka-teki5 Parsing dan ekstraksi data4 Kepatuhan instruksi2

Peringkat	Model	Perusahaan	Jumlah Format tambahan	Skor kategori	Tes benar	Waktu respons (rata-rata)
#139	DeepSeek V4 Flash none	DeepSeek	1	3.1	0/3	23.7s
#113	DeepSeek V4 Pro none	DeepSeek	1	7.6	2/3	16.0s
#51	Mimo V2 PRO medium	Xiaomi	1	6.4	1/3	5.08s
#68	Claude Opus 4.8 none	Anthropic	1	7.7	2/3	2.74s
#77	Claude Sonnet 4.6 none	Anthropic	1	7.7	2/3	2.53s

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Pemecahan teka-teki: Format tambahan

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang