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

Qwen3.5-9B 1
Peringkat Model Perusahaan Jumlah Format tambahan Skor Tes benar Waktu respons (rata-rata)
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#30 Qwen3.5-27B medium Qwen 1 7.8 13/21 68.4s
#67 MiniMax M3 medium Minimax 1 7.1 11/21 68.2s
#47 Grok Build 0.1 medium X AI 3 7.4 13/21 49.9s
#38 Grok 4.3 medium X AI 1 7.6 13/21 47.5s
#80 Mimo V2 Omni medium Xiaomi 1 6.7 10/21 41.2s
#55 GLM 5.1 medium Z.ai 1 7.3 12/21 33.7s
#65 Grok 4.20 medium X AI 1 7.1 12/21 27.7s
#56 MiMo-V2.5 medium Xiaomi 2 7.3 12/21 27.1s
#139 DeepSeek V4 Flash none DeepSeek 2 5.0 5/21 26.8s
#43 MiMo-V2.5-Pro medium Xiaomi 3 7.5 12/21 26.1s
#69 Claude Opus 4.6 medium Anthropic 5 7.0 12/21 25.9s
#51 Mimo V2 PRO medium Xiaomi 1 7.4 12/21 22.2s
#64 MiMo-V2-Flash medium Xiaomi 1 7.2 12/21 20.1s
#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)