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: Waktu respons (rata-rata) ↓.
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) |
|---|---|---|---|---|---|---|
| #79 | Grok 4.20 Beta none | X AI | 10 | 5.3 | 4/18 | 1.19s |
| #86 | GPT-5.4 Mini none | OpenAI | 10 | 5.1 | 5/18 | 1.17s |
| #82 | Grok 4.20 none | X AI | 9 | 5.2 | 5/18 | 1.11s |
| #62 | Gemini 2.5 Flash none | 10 | 6.2 | 7/18 | 903ms | |
| #98 | LFM2-24B-A2B none | Liquid | 9 | 4.1 | 1/16 | 811ms |
| #83 | Mistral Small 4 none | Mistral | 11 | 5.2 | 5/18 | 665ms |
| #91 | Mercury 2 none | Inception | 13 | 4.8 | 4/18 | 613ms |