AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Kegagalan AI BENCHY

Kegagalan Tidak ada jawaban

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

Model yang ditampilkan

15

Total kegagalan

43

Model yang paling terdampak

Claude Opus 4.8 1
Peringkat Model Perusahaan Jumlah Tidak ada jawaban Skor Tes benar Waktu respons (rata-rata)
#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
#71 Step 3.7 Flash high Stepfun 4 7.0 11/21 64.5s
#76 Kimi K2.5 medium Moonshot AI 2 6.8 10/21 98.4s
#78 Qwen3.6 27B medium Qwen 3 6.8 10/21 59.7s
#80 Mimo V2 Omni medium Xiaomi 2 6.7 10/21 41.2s
#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
#107 Laguna Xs.2 medium Poolside 2 5.8 6/19 6.73s
#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
#158 GLM 4.7 Flash medium Z.ai 3 4.4 4/21 35.1s
#161 Qwen3.5-9B medium Qwen 2 4.2 3/21 82.2s

Model teratas menurut Jumlah Tidak ada jawaban

Jumlah Tidak ada jawaban vs Skor

Model teratas menurut Waktu respons (rata-rata)