Kegagalan AI BENCHY
Kegagalan Jawaban salah
Lihat model AI mana yang paling sering mengalami Jawaban salah, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Skor ↓.
Kategori
Dalam kategori Spesifik domain182 Dalam kategori Trik anti-AI165 Dalam kategori Pemecahan teka-teki85 Dalam kategori Kepatuhan instruksi44 Dalam kategori Gabungan37 Dalam kategori Pemrograman28 Dalam kategori Parsing dan ekstraksi data19 Dalam kategori Kecerdasan umum10 Dalam kategori Pemanggilan alat2
| Peringkat | Model | Perusahaan | Jumlah Jawaban salah | Skor | Tes benar | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|
| #92 | Qwen3 Coder Next medium | Qwen | 9 | 4.7 | 3/18 | 10.8s |
| #93 | GLM 4.7 Flash medium | Z.ai | 8 | 4.6 | 4/18 | 32.3s |
| #94 | MiMo-V2-Flash none | Xiaomi | 12 | 4.5 | 3/18 | 2.79s |
| #95 | Grok 4.1 Fast none | X AI | 13 | 4.5 | 3/18 | 1.76s |
| #96 | GPT-5.4 Nano none | OpenAI | 13 | 4.5 | 2/18 | 1.40s |
| #97 | Qwen3.5-9B medium | Qwen | 1 | 4.4 | 3/18 | 73.6s |
| #98 | LFM2-24B-A2B none | Liquid | 9 | 4.1 | 1/16 | 811ms |