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)
#10	Claude Opus 4.8 medium	Anthropic	1	8.7	17/21	9.66s
#17	GLM 5 medium	Z.ai	1	8.3	15/21	33.5s
#22	Step 3.7 Flash medium	Stepfun	1	8.0	14/21	20.4s
#23	GLM 5 Turbo medium	Z.ai	1	8.0	14/21	23.0s
#27	Gemma 4 31B medium	Google	1	7.8	14/21	56.5s
#42	GPT-5.2 medium	OpenAI	1	7.5	13/21	16.9s
#46	Qwen3.6 35B A3B medium	Qwen	1	7.4	13/21	18.1s
#53	Gemini 3.1 Flash Lite high	Google	1	7.3	10/18	62.0s
#55	GLM 5.1 medium	Z.ai	1	7.3	12/21	33.7s
#56	MiMo-V2.5 medium	Xiaomi	1	7.3	12/21	27.1s
#57	Step 3.7 Flash low	Stepfun	1	7.3	12/21	15.7s
#60	Kimi K2.6 medium	Moonshot AI	1	7.2	12/21	71.7s
#62	Step 3.5 Flash medium	Stepfun	1	7.2	11/20	72.5s
#67	MiniMax M3 medium	Minimax	1	7.1	11/21	68.2s
#68	Claude Opus 4.8 none	Anthropic	1	7.0	12/21	3.47s

Kegagalan Tidak ada jawaban

Model teratas menurut Jumlah Tidak ada jawaban

Jumlah Tidak ada jawaban vs Skor

Model teratas menurut Waktu respons (rata-rata)