AI BENCHY
Your ad here

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: Testes corretos ↑.

Modelos exibidos

15

Falhas totais

182

Modelo mais afetado

Qwen3.6 Plus Preview 3

Motivos de falha

Resposta incorreta182 Tempo esgotado31 Formatação extra8 Erro de API2 Sem resposta2

Categorias

Específico do domínio182 Truques anti-IA165 Resolução de quebra-cabeças85 Seguimento de instruções44 Combinado37 Programação28 Análise e extração de dados19 Inteligência geral10 Chamada de ferramentas2
Posição Modelo Empresa Contagem de Resposta incorreta Pontuação da categoria Testes corretos Tempo de resposta (médio)
#9 Qwen3.6 Plus Preview medium Qwen 3 3.0 0/3 22.1s
#13 GLM 5 medium Z.ai 2 3.5 0/3 0ms
#17 Gemini 3.1 Flash Lite Preview medium Google 3 3.0 0/3 4.21s
#18 GLM 5 Turbo medium Z.ai 2 2.9 0/3 71.1s
#19 Qwen3.5-122B-A10B medium Qwen 3 2.9 0/3 63.4s
#20 Qwen3.6 Plus medium Qwen 3 2.9 0/3 29.6s
#24 Gemma 4 26B A4B medium Google 2 2.9 0/3 23.6s
#26 Claude Sonnet 4.6 medium Anthropic 1 2.9 0/3 0ms
#35 MiMo-V2-Omni medium Xiaomi 1 3.0 0/3 55.1s
#36 GPT-5.3 Chat none OpenAI 3 3.5 0/3 13.0s
#37 Claude Opus 4.6 medium Anthropic 1 3.0 0/3 83.4s
#43 Qwen3.5-35B-A3B medium Qwen 1 4.1 0/3 88.3s
#44 GPT-5.4 Mini medium OpenAI 3 4.1 0/3 65.3s
#45 GPT-5 Mini medium OpenAI 2 3.6 0/3 44.6s
#46 Kimi K2.5 medium Moonshot AI 2 3.5 0/3 137.3s

Melhores modelos por Contagem de Resposta incorreta

Contagem de Resposta incorreta vs Pontuação

Melhores modelos por Tempo de resposta (médio)

Melhores modelos por Custo desperdiçado estimado