Peringkat kegagalan Tidak ada jawaban

Kegagalan AI BENCHY

Lihat model AI mana yang paling sering mengalami Tidak ada jawaban, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Jumlah kegagalan ↑.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Claude Opus 4.8 1

Kategori

Dalam kategori Pemrograman18 Dalam kategori Pengetahuan umum6 Dalam kategori Parsing dan ekstraksi data5 Dalam kategori Spesifik domain5 Dalam kategori Gabungan2 Dalam kategori Kepatuhan instruksi2 Dalam kategori Pemanggilan alat2 Dalam kategori Trik anti-AI2 Dalam kategori Pemecahan teka-teki1

Peringkat	Model	Perusahaan	Jumlah Tidak ada jawaban	Skor	Tes benar	Waktu respons (rata-rata)
#86	Grok 4.1 Fast medium	X AI	1	6.5	9/19	23.8s
#92	Laguna M.1 medium	Poolside	1	6.4	9/19	14.7s
#105	Nemotron 3 Super medium	NVIDIA	1	5.8	8/21	32.0s
#129	MiniMax M2.5 medium	Minimax	1	5.3	5/21	65.4s
#130	MiniMax M2.7 medium	Minimax	1	5.3	5/21	38.2s
#149	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	1	4.6	4/19	17.1s
#37	Gemma 4 26B A4B medium	Google	2	7.6	14/21	63.4s
#66	Qwen3.5-35B-A3B medium	Qwen	2	7.1	11/21	72.6s
#76	Kimi K2.5 medium	Moonshot AI	2	6.8	10/21	98.4s
#80	Mimo V2 Omni medium	Xiaomi	2	6.7	10/21	41.2s
#107	Laguna Xs.2 medium	Poolside	2	5.8	6/19	6.73s
#161	Qwen3.5-9B medium	Qwen	2	4.2	3/21	82.2s
#78	Qwen3.6 27B medium	Qwen	3	6.8	10/21	59.7s
#158	GLM 4.7 Flash medium	Z.ai	3	4.4	4/21	35.1s
#71	Step 3.7 Flash high	Stepfun	4	7.0	11/21	64.5s

Kegagalan Tidak ada jawaban

Model teratas menurut Jumlah Tidak ada jawaban

Jumlah Tidak ada jawaban vs Skor

Model teratas menurut Waktu respons (rata-rata)