AI BENCHY
Advertise here

Kegagalan AI BENCHY

Kegagalan Pemanggilan alat tidak valid

Lihat model AI mana yang paling sering mengalami Pemanggilan alat tidak valid, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Skor ↑.

Model yang ditampilkan

15

Total kegagalan

26

Model yang paling terdampak

Granite 4.1 8B 1
Peringkat Model Perusahaan Jumlah Pemanggilan alat tidak valid Skor Tes benar Waktu respons (rata-rata)
#163 Granite 4.1 8B none IBM Granite 1 4.0 2/21 728ms
#159 Ling-2.6-1T none Inclusionai 1 4.3 3/21 7.72s
#158 GLM 4.7 Flash medium Z.ai 1 4.4 4/21 35.1s
#154 Qwen3.5-9B none Qwen 1 4.6 4/21 1.89s
#146 Laguna Xs.2 none Poolside 1 4.8 5/19 806ms
#145 Laguna M.1 none Poolside 1 4.8 4/19 2.89s
#139 DeepSeek V4 Flash none DeepSeek 1 5.0 5/21 26.8s
#138 Ling-2.6-flash none Inclusionai 2 5.0 6/21 9.34s
#137 Elephant Alpha none Openrouter 1 5.1 5/21 1.22s
#136 Elephant Alpha medium Openrouter 1 5.1 6/21 1.27s
#133 DeepSeek V3.2 none DeepSeek 1 5.2 6/21 13.8s
#130 MiniMax M2.7 medium Minimax 1 5.3 5/21 38.2s
#129 MiniMax M2.5 medium Minimax 1 5.3 5/21 65.4s
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s

Model teratas menurut Jumlah Pemanggilan alat tidak valid

Jumlah Pemanggilan alat tidak valid vs Skor

Model teratas menurut Waktu respons (rata-rata)