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: Tes benar ↓.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Claude Sonnet 4.6 1

Alasan kegagalan

Jawaban salah85 Tidak mengikuti instruksi75 Kedaluwarsa6 Format tambahan2 Kesalahan API1

Kategori

Trik anti-AI11 Spesifik domain8 Parsing dan ekstraksi data2 Pemecahan teka-teki2

Peringkat	Model	Perusahaan	Jumlah Format tambahan	Skor kategori	Tes benar	Waktu respons (rata-rata)
#42	Claude Sonnet 4.6 none	Anthropic	1	7.7	2/3	2.92s
#23	MiMo-V2-Pro medium	Xiaomi	1	7.0	1/3	4.71s

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