Peringkat Pemecahan teka-teki x Kedaluwarsa

Kegagalan kategori AI BENCHY

Lihat model AI mana yang paling mungkin mengalami Kedaluwarsa di Pemecahan teka-teki, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Alasan kegagalan

Jawaban salah85 Tidak mengikuti instruksi75 Kedaluwarsa6 Format tambahan2 Kesalahan API1

Kategori

Spesifik domain31 Pemrograman12 Pemecahan teka-teki6 Kecerdasan umum4 Trik anti-AI4 Gabungan2 Kepatuhan instruksi1 Parsing dan ekstraksi data1

Peringkat	Model	Perusahaan	Jumlah Kedaluwarsa	Skor kategori	Tes benar	Waktu respons (rata-rata)
#32	Qwen3.5-Flash medium	Qwen	2	6.4	1/3	56.7s
#97	Qwen3.5-9B medium	Qwen	2	3.1	0/3	33.4s
#43	Qwen3.5-35B-A3B medium	Qwen	1	6.4	1/3	31.6s
#71	MiniMax M2.5 medium	Minimax	1	5.3	1/3	11.5s

Model teratas menurut Jumlah Kedaluwarsa