AI BENCHY 失敗分析
余分な書式 の失敗
どのAIモデルで 余分な書式 が起きやすいかを確認し、選ぶ前に信頼性のリスクを見極められます。 並び替え: 合計コスト ↑.
32/32
モデルを絞り込む
現在の検索条件とフィルターに一致するモデルはありません。
| 順位 | モデル | 企業 | 余分な書式 件数 | スコア | 合計コスト | 正解テスト | 応答時間（平均） |
|---|---|---|---|---|---|---|---|
| #155 | Grok 4.20 none | X AI | 1 | 4.4 | $0.057 | 6/18 | 1.11s |
| #76 | MiMo-V2.5 medium | Xiaomi | 2 | 6.7 | $0.063 | 12/21 | 27.1s |
| #51 | MiMo-V2.5-Pro medium | Xiaomi | 3 | 7.4 | $0.106 | 12/21 | 26.1s |
| #40 | MiniMax M3 medium | Minimax | 1 | 7.6 | $0.131 | 11/21 | 68.2s |
| #41 | DeepSeek V4 Pro high | DeepSeek | 1 | 7.6 | $0.157 | 9/21 | 77.2s |
| #64 | GLM 5.1 medium | Z.ai | 1 | 7.1 | $0.292 | 12/21 | 33.7s |
| #55 | Claude Sonnet 4.6 none | Anthropic | 4 | 7.3 | $0.316 | 11/21 | 5.04s |
| #77 | Mimo V2 PRO medium | Xiaomi | 1 | 6.7 | $0.333 | 12/21 | 22.2s |
| #29 | Qwen3.5-27B medium | Qwen | 1 | 7.9 | $0.536 | 13/21 | 68.4s |
| #57 | Claude Opus 4.8 none | Anthropic | 3 | 7.2 | $0.539 | 12/21 | 3.47s |
| #53 | Grok 4.20 medium | X AI | 1 | 7.3 | $0.609 | 12/21 | 27.7s |
| #37 | Grok 4.3 medium | X AI | 1 | 7.7 | $0.614 | 13/21 | 47.5s |
| #73 | Mimo V2 Omni medium | Xiaomi | 1 | 6.8 | $0.683 | 10/21 | 41.2s |
| #42 | Grok Build 0.1 medium | X AI | 3 | 7.6 | $0.927 | 13/21 | 49.9s |
| #31 | Claude Sonnet 4.6 medium | Anthropic | 3 | 7.8 | $1.418 | 13/21 | 17.1s |