AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Kegagalan kategori AI BENCHY

Pemecahan teka-teki: Jawaban salah

Pemecahan teka-teki
Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Pemecahan teka-teki, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Jumlah kegagalan ↑.

Model yang ditampilkan

15

Total kegagalan

85

Model yang paling terdampak

Gemini 3.1 Flash Lite Preview 1
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#11 Gemini 3.1 Flash Lite Preview high Google 1 7.7 2/3 46.3s
#15 Gemini 2.5 Flash medium Google 1 7.7 2/3 3.94s
#17 Gemini 3.1 Flash Lite Preview medium Google 1 7.7 2/3 3.58s
#21 Gemini 3 Flash Preview none Google 1 7.7 2/3 1.06s
#27 DeepSeek V3.2 medium DeepSeek 1 8.2 2/3 36.9s
#28 GPT-5.2 Chat none OpenAI 1 7.7 2/3 4.42s
#30 Step 3.5 Flash medium Stepfun 1 5.3 1/3 7.72s
#33 GLM 5.1 medium Z.ai 1 8.2 2/3 23.8s
#34 Kimi K2.6 medium Moonshot AI 1 5.0 0/3 25.6s
#35 MiMo-V2-Omni medium Xiaomi 1 6.5 1/3 3.88s
#37 Claude Opus 4.6 medium Anthropic 1 7.7 2/3 4.60s
#38 GPT-5.4 Nano medium OpenAI 1 4.0 0/3 3.65s
#39 Seed-2.0-Mini medium Bytedance Seed 1 8.2 2/3 25.9s
#41 MiMo-V2-Flash medium Xiaomi 1 7.7 2/3 3.77s
#43 Qwen3.5-35B-A3B medium Qwen 1 6.4 1/3 31.6s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang