Kegagalan kategori AI BENCHY

Pemanggilan alat

Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Pemanggilan alat, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Alasan kegagalan terkait

Jawaban salah2 Tidak ada jawaban2 Kesalahan API1

Kategori terkait

Spesifik domain98 Pemecahan teka-teki55 Trik anti-AI53 Kepatuhan instruksi26 Gabungan21 Parsing dan ekstraksi data14 Kecerdasan umum6 Pemanggilan alat2

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Tes benar	Waktu respons (rata-rata)
#49	GLM 4.7 Flash none	Z.ai	1	10.0	0/1	7.05s
#53	Grok 4.1 Fast none	X AI	1	10.0	0/1	5.51s

Model teratas menurut Jumlah Jawaban salah