Kegagalan kategori AI BENCHY

Pemecahan teka-teki

Kedaluwarsa

Lihat model AI mana yang paling mungkin mengalami Kedaluwarsa 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

Qwen3.5-Flash 2

Alasan kegagalan terkait

Jawaban salah55 Tidak mengikuti instruksi24 Kedaluwarsa4 Format tambahan1 Kesalahan API1

Kategori terkait

Spesifik domain17 Pemecahan teka-teki4 Kecerdasan umum3 Trik anti-AI1

Peringkat	Model	Perusahaan	Jumlah Kedaluwarsa	Skor kategori	Tes benar	Waktu respons (rata-rata)
#24	Qwen3.5-Flash medium	Qwen	2	4.0	1/3	56.7s
#35	Qwen3.5-35B-A3B medium	Qwen	1	4.0	1/3	31.6s
#43	MiniMax M2.5 medium	Minimax	1	4.0	1/3	11.5s

Pemecahan teka-teki

Kedaluwarsa

Model teratas menurut Jumlah Kedaluwarsa

Jumlah Kedaluwarsa 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 APIKedaluwarsaKedaluwarsaCari

Model teratas menurut Jumlah Kedaluwarsa

Jumlah Kedaluwarsa vs skor rata-rata

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Pemecahan teka-teki

Kedaluwarsa