Ranking de Específico do domínio x Resposta incorreta

Falhas por categoria AI BENCHY

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

Modelos exibidos

Falhas totais

182

Modelo mais afetado

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)
#81	Elephant medium	Openrouter	3	3.0	0/3	925ms
#84	gpt-oss-120b none	OpenAI	3	3.0	0/3	35.0s
#85	Elephant none	Openrouter	3	3.0	0/3	927ms
#86	GPT-5.4 Mini none	OpenAI	3	3.5	0/3	937ms
#88	Nemotron 3 Super none	NVIDIA	3	3.6	0/3	6.23s
#89	GPT-4o-mini none	OpenAI	3	3.0	0/3	637ms
#90	Qwen3.5-9B none	Qwen	3	3.0	0/3	464ms
#96	GPT-5.4 Nano none	OpenAI	3	2.9	0/3	926ms
#5	Gemini 3 Flash Preview low	Google	2	5.3	1/3	8.05s
#6	Seed-2.0-Lite medium	Bytedance Seed	2	5.9	1/3	88.7s
#7	GPT-5.3-Codex medium	OpenAI	2	5.9	1/3	64.3s
#11	Gemini 3.1 Flash Lite Preview high	Google	2	5.3	1/3	127.6s
#12	Gemini 3 PRO Preview medium	Google	2	5.3	1/3	7.01s
#13	GLM 5 medium	Z.ai	2	3.5	0/3	0ms
#15	Gemini 2.5 Flash medium	Google	2	5.9	1/3	37.3s

←

1 2 3 4 5 6 7

→

Melhores modelos por Contagem de Resposta incorreta