Falhas por categoria AI BENCHY
Programação: Resposta incorreta
Programação
Resposta incorreta
Veja quais modelos de IA têm mais chance de encontrar Resposta incorreta em Programação, para identificar pontos fracos mais rápido. Ordenar por: Testes corretos ↑.
Motivos de falha
134/134
Filtrar modelos
Nenhum modelo corresponde à pesquisa e aos filtros atuais.
| Posição | Modelo | Empresa | Contagem de Resposta incorreta | Pontuação da categoria | Custo total | Testes corretos | Tempo de resposta (médio) |
|---|---|---|---|---|---|---|---|
| #59 | Qwen3.6 Flash medium | Qwen | 3 | 5.0 | $0.288 | 0/3 | 42.9s |
| #73 | GLM 5.2 none | Z.ai | 2 | 3.7 | $0.030 | 0/3 | 7.55s |
| #75 | Step 3.7 Flash high | Stepfun | 1 | 4.0 | $1.148 | 0/3 | 206.2s |
| #83 | Qwen3.5-Flash medium | Qwen | 2 | 3.7 | $0.080 | 0/3 | 58.9s |
| #86 | Mimo V2 Omni medium | Xiaomi | 1 | 3.3 | $0.683 | 0/3 | 183.9s |
| #115 | Qwen3.6 Max Preview none | Qwen | 3 | 3.8 | $0.075 | 0/3 | 3.12s |
| #117 | GLM 5 none | Z.ai | 3 | 4.0 | $0.027 | 0/3 | 5.12s |
| #122 | Qwen3.5 Plus 2026-02-15 none | Qwen | 3 | 4.3 | $0.016 | 0/3 | 2.05s |
| #123 | North Mini Code medium | Cohere | 3 | 4.5 | $0.000 | 0/3 | 320.4s |
| #130 | Mimo V2 Omni none | Xiaomi | 1 | 4.4 | $0.021 | 0/3 | 2.75s |
| #131 | Claude Sonnet 5 none | Anthropic | 3 | 4.6 | $0.287 | 0/3 | 3.67s |
| #133 | GLM 5.1 none | Z.ai | 3 | 3.9 | $0.057 | 0/3 | 4.96s |
| #134 | DeepSeek V4 Flash none | DeepSeek | 3 | 4.2 | $0.007 | 0/3 | 17.1s |
| #136 | MiMo-V2.5-Pro none | Xiaomi | 2 | 4.3 | $0.017 | 0/3 | 1.41s |
| #138 | Gemma 4 26B A4B none | 2 | 3.7 | $0.004 | 0/3 | 4.16s |