パズル解決 x 余分な書式ランキング | AI BENCHY

パズル解決で余分な書式が起きやすいAIモデルを確認し、弱点を早く見つけられます。

表示モデル数

1

総失敗数

16

最も影響を受けたモデル

Seed-2.0-Code 1

失敗理由

不正解344 指示に従っていない160 API エラー35 余分な書式16 回答なし14 タイムアウト11

カテゴリ

コーディング37 ドメイン特化36 反AIトリック34 パズル解決16 データ解析と抽出12 指示追従8 複合1

16/16

順位	モデル	企業	余分な書式件数	カテゴリスコア	合計コスト	正解テスト	応答時間（平均）
#380	Granite 4.2 8B none	IBM Granite	1	0.3	$0.037	0/3	107.6s
合計テスト数 3 誤答テスト数 3 合計コスト $0.037 応答時間（平均） 107.6s

余分な書式件数上位モデル

余分な書式件数対スコア

応答時間（平均）上位モデル

推定無駄コスト上位モデル