AI BENCHY
Advertise here

Kategori AI BENCHY

Peringkat Spesifik domain

Lihat model AI mana yang paling baik di Spesifik domain, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Tes benar ↑.

Model yang ditampilkan

15

Rata-rata Skor Spesifik domain

4.8

Model terbaik

Qwen3.6 Max Preview 2.9

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah314 Dengan alasan kegagalan Kedaluwarsa34 Dengan alasan kegagalan Format tambahan12 Dengan alasan kegagalan Kesalahan API6 Dengan alasan kegagalan Tidak ada jawaban5 Dengan alasan kegagalan Tidak mengikuti instruksi1
Peringkat Model Perusahaan Skor Spesifik domain Skor Tes benar Waktu respons (rata-rata)
#146 Laguna Xs.2 none Poolside 5.3 4.8 1/3 371ms
#150 Qwen3 Coder Next medium Qwen 5.3 4.6 1/3 638ms
#151 Trinity Large Preview none Arcee AI 5.3 4.6 1/3 877ms
#152 MiMo-V2-Flash none Xiaomi 5.3 4.6 1/3 564ms
#155 Mercury 2 none Inception 5.3 4.5 1/3 534ms
#157 Grok 4.1 Fast none X AI 5.9 4.4 1/3 1.06s
#160 LFM2-24B-A2B none Liquid 5.9 4.2 1/3 287ms
#2 Gemini 3.5 Flash high Google 7.6 9.6 2/3 14.1s
#3 Gemini 3.5 Flash low Google 7.7 9.4 2/3 3.39s
#4 Gemini 3.1 Pro Preview medium Google 7.7 9.4 2/3 32.7s
#7 Gemini 3.5 Flash medium Google 7.7 9.0 2/3 5.24s
#8 Claude Opus 4.7 none Anthropic 7.7 8.9 2/3 1.19s
#11 Claude Opus 4.7 medium Anthropic 7.7 8.7 2/3 1.17s
#20 Gemini 3.5 Flash none Google 7.6 8.1 2/3 10.6s
#22 Step 3.7 Flash medium Stepfun 7.7 8.0 2/3 48.3s

Model teratas menurut Skor Spesifik domain

Skor Spesifik domain vs total biaya

Model teratas menurut Waktu respons (rata-rata)