Ranking de Combinado x Resposta incorreta

Falhas por categoria AI BENCHY

Veja quais modelos de IA têm mais chance de encontrar Resposta incorreta em Combinado, para identificar pontos fracos mais rápido.

Modelos exibidos

Falhas totais

Modelo mais afetado

Motivos de falha

Resposta incorreta52 Chamada de ferramenta inválida19 Erro de API13 Sem resposta2 Tempo esgotado2 Não seguiu as instruções1

Categorias

Específico do domínio314 Truques anti-IA245 Programação194 Resolução de quebra-cabeças147 Conhecimentos gerais130 Seguimento de instruções53 Combinado52 Análise e extração de dados35 Inteligência geral32 Chamada de ferramentas2

Posição	Modelo	Empresa	Contagem de Resposta incorreta	Pontuação da categoria	Testes corretos	Tempo de resposta (médio)
#125	GPT-5.4 none	OpenAI	1	3.0	0/1	2.89s
#131	Qwen3.5-122B-A10B none	Qwen	1	3.0	0/1	46.0s
#132	Mistral Small 4 medium	Mistral	1	3.0	0/1	25.3s
#134	GLM 5 Turbo none	Z.ai	1	3.0	0/1	4.89s
#135	Kimi K2.5 none	Moonshot AI	1	2.8	0/1	19.2s
#136	Elephant Alpha medium	Openrouter	1	3.0	0/1	3.70s
#137	Elephant Alpha none	Openrouter	1	3.0	0/1	3.81s
#140	Qwen3 Coder Next none	Qwen	1	3.0	0/1	45.1s
#141	Nemotron 3 Super none	NVIDIA	1	3.0	0/1	16.4s
#142	Mistral Small 4 none	Mistral	1	3.0	0/1	1.72s
#143	MiMo-V2.5 none	Xiaomi	1	3.0	0/1	2.36s
#144	GPT-5.4 Mini none	OpenAI	1	3.0	0/1	2.52s
#146	Laguna Xs.2 none	Poolside	1	3.0	0/1	2.01s
#147	GPT-4o-mini none	OpenAI	1	3.0	0/1	7.58s
#148	GPT-5.4 Nano none	OpenAI	1	3.0	0/1	3.84s

←

1 2 3 4

→

Melhores modelos por Contagem de Resposta incorreta