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. Urutkan berdasarkan: Tes benar ↓.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

GLM 4.7 Flash 1

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

Pemanggilan alat

Jawaban salah

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah 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 alatPemanggilan alatPemanggilan alatCari : Jawaban salahTidak ada jawabanKesalahan APIJawaban salahJawaban salahCari

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs skor rata-rata

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Pemanggilan alat

Jawaban salah