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. Urutkan berdasarkan: Tes benar ↓.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Qwen3.5-Flash 2

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
#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
#97	Qwen3.5-9B medium	Qwen	2	3.1	0/3	33.4s

Model teratas menurut Jumlah Kedaluwarsa

Jumlah Kedaluwarsa vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Pemecahan teka-teki: Kedaluwarsa

Model teratas menurut Jumlah Kedaluwarsa

Jumlah Kedaluwarsa vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang