AI BENCHY
Your ad here

Kegagalan kategori AI BENCHY

Pemanggilan alat: Jawaban salah

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

2

Total kegagalan

2

Model yang paling terdampak

GLM 4.7 Flash 1

Alasan kegagalan

Kesalahan API6 Tidak mengikuti instruksi6 Pemanggilan alat tidak valid3 Jawaban salah2 Tidak ada jawaban2

Kategori

Spesifik domain182 Trik anti-AI165 Pemecahan teka-teki85 Kepatuhan instruksi44 Gabungan37 Pemrograman28 Parsing dan ekstraksi data19 Kecerdasan umum10 Pemanggilan alat2
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#74 GLM 4.7 Flash none Z.ai 1 2.8 0/1 7.05s
#95 Grok 4.1 Fast none X AI 1 2.8 0/1 5.51s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang