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

Pengetahuan umum: Jawaban salah

Pengetahuan umum
Jawaban salah

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

Model yang ditampilkan

15

Total kegagalan

117

Model yang paling terdampak

Claude Opus 4.7 1

Alasan kegagalan

Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#3 Claude Opus 4.7 medium Anthropic 1 3.0 0/1 2.25s
#4 GPT-5.5 medium OpenAI 1 2.8 0/1 37.9s
#5 Claude Opus 4.7 none Anthropic 1 3.0 0/1 1.46s
#6 GPT-5.5 low OpenAI 1 3.0 0/1 10.1s
#9 Qwen3.6 Max Preview medium Qwen 1 3.0 0/1 60.6s
#11 Seed-2.0-Lite medium Bytedance Seed 1 3.0 0/1 48.3s
#12 Qwen3.5 Plus 2026-02-15 medium Qwen 1 3.0 0/1 103.8s
#13 GPT-5.3-Codex medium OpenAI 1 2.8 0/1 14.4s
#14 Gemma 4 31B medium Google 1 3.0 0/1 90.1s
#17 Qwen3.5-27B medium Qwen 1 3.0 0/1 85.1s
#19 GLM 5 medium Z.ai 1 3.0 0/1 67.4s
#20 GLM 5 Turbo medium Z.ai 1 3.0 0/1 40.2s
#21 Qwen3.6 35B A3B medium Qwen 1 3.0 0/1 32.9s
#22 HY3 Preview high Tencent 1 3.0 0/1 47.7s
#23 Gemini 3.1 Flash Lite Preview medium Google 1 3.0 0/1 2.68s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang