AI BENCHY
Advertise here

Kegagalan AI BENCHY

Kegagalan Format tambahan

Lihat model AI mana yang paling sering mengalami Format tambahan, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

15

Total kegagalan

48

Model yang paling terdampak

Granite 4.1 8B 1
Peringkat Model Perusahaan Jumlah Format tambahan Skor Tes benar Waktu respons (rata-rata)
#163 Granite 4.1 8B none IBM Granite 1 4.0 2/21 728ms
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#152 MiMo-V2-Flash none Xiaomi 1 4.6 4/21 2.76s
#68 Claude Opus 4.8 none Anthropic 3 7.0 12/21 3.47s
#77 Claude Sonnet 4.6 none Anthropic 4 6.8 11/21 5.04s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#121 Owl Alpha none Openrouter 1 5.5 7/21 9.88s
#79 Hunter Alpha medium OpenRouter 1 6.7 8/18 10.3s
#113 DeepSeek V4 Pro none DeepSeek 1 5.7 7/21 12.4s
#156 Hy3 preview none Tencent 1 4.4 4/21 12.9s
#133 DeepSeek V3.2 none DeepSeek 2 5.2 6/21 13.8s
#52 Claude Sonnet 4.6 medium Anthropic 3 7.4 13/21 17.1s

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)