AI BENCHY カテゴリ別失敗
コーディング: 不正解
コーディング
不正解
コーディング で 不正解 が起きやすいAIモデルを確認し、弱点を早く見つけられます。 並び替え: 応答時間（平均） ↑.
| 順位 | モデル | 企業 | 不正解 件数 | カテゴリスコア | 正解テスト | 応答時間（平均） |
|---|---|---|---|---|---|---|
| #153 | Granite 4.1 8B none | IBM Granite | 1 | 5.2 | 0/2 | 706ms |
| #90 | Gemini 2.5 Flash none | 1 | 6.8 | 1/2 | 810ms | |
| #146 | Mercury 2 none | Inception | 2 | 3.5 | 0/2 | 831ms |
| #78 | Gemini 3.1 Flash Lite minimal | 1 | 6.8 | 1/2 | 951ms | |
| #98 | Qwen3.5-Flash none | Qwen | 1 | 6.8 | 1/2 | 993ms |
| #137 | GPT-5.4 Mini none | OpenAI | 1 | 6.8 | 1/2 | 1.01s |
| #135 | Mistral Small 4 none | Mistral | 2 | 4.0 | 0/2 | 1.03s |
| #52 | Gemini 3.1 Flash Lite Preview none | 1 | 6.8 | 1/2 | 1.06s | |
| #141 | GPT-5.4 Nano none | OpenAI | 2 | 5.4 | 0/2 | 1.09s |
| #85 | Gemini 3.1 Flash Lite none | 1 | 6.8 | 1/2 | 1.13s | |
| #105 | Grok 4.20 Beta none | X AI | 1 | 5.5 | 0/1 | 1.14s |
| #142 | Qwen3 Coder Next medium | Qwen | 1 | 4.1 | 0/2 | 1.17s |
| #120 | Grok 4.20 none | X AI | 1 | 3.4 | 0/1 | 1.22s |
| #122 | Elephant Alpha medium | Openrouter | 1 | 4.0 | 0/2 | 1.30s |
| #27 | Qwen3.7 Max none | Qwen | 1 | 6.8 | 1/2 | 1.39s |