AI BENCHY
Advertise here

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: Tes benar ↓.

Model yang ditampilkan

15

Total kegagalan

43

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
#37 Gemma 4 26B A4B medium Google 2 7.6 14/21 63.4s
#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
#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
#68 Claude Opus 4.8 none Anthropic 1 7.0 12/21 3.47s
#53 Gemini 3.1 Flash Lite high Google 1 7.3 10/18 62.0s
#62 Step 3.5 Flash medium Stepfun 1 7.2 11/20 72.5s

Model teratas menurut Jumlah Tidak ada jawaban

Jumlah Tidak ada jawaban vs Skor

Model teratas menurut Waktu respons (rata-rata)