Falhas por categoria AI BENCHY
Específico do domínio: Resposta incorreta
Específico do domínio
Resposta incorreta
Veja quais modelos de IA têm mais chance de encontrar Resposta incorreta em Específico do domínio, para identificar pontos fracos mais rápido. Ordenar por: Tempo de resposta (médio) ↑.
Motivos de falha
| Posição | Modelo | Empresa | Contagem de Resposta incorreta | Pontuação da categoria | Testes corretos | Tempo de resposta (médio) |
|---|---|---|---|---|---|---|
| #13 | GLM 5 medium | Z.ai | 2 | 3.5 | 0/3 | 0ms |
| #26 | Claude Sonnet 4.6 medium | Anthropic | 1 | 2.9 | 0/3 | 0ms |
| #98 | LFM2-24B-A2B none | Liquid | 1 | 5.9 | 1/3 | 287ms |
| #83 | Mistral Small 4 none | Mistral | 2 | 5.3 | 1/3 | 367ms |
| #90 | Qwen3.5-9B none | Qwen | 3 | 3.0 | 0/3 | 464ms |
| #70 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.3 | 1/3 | 465ms |
| #63 | Qwen3.5-35B-A3B none | Qwen | 1 | 7.7 | 2/3 | 485ms |
| #62 | Gemini 2.5 Flash none | 2 | 5.9 | 1/3 | 495ms | |
| #91 | Mercury 2 none | Inception | 2 | 5.3 | 1/3 | 534ms |
| #67 | Qwen3.5-27B none | Qwen | 3 | 3.0 | 0/3 | 540ms |
| #94 | MiMo-V2-Flash none | Xiaomi | 2 | 5.3 | 1/3 | 564ms |
| #79 | Grok 4.20 Beta none | X AI | 3 | 3.0 | 0/3 | 611ms |
| #89 | GPT-4o-mini none | OpenAI | 3 | 3.0 | 0/3 | 637ms |
| #92 | Qwen3 Coder Next medium | Qwen | 2 | 5.3 | 1/3 | 638ms |
| #82 | Grok 4.20 none | X AI | 2 | 3.0 | 0/3 | 687ms |