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

314

Modelo mais afetado

Motivos de falha

Resposta incorreta314 Tempo esgotado34 Formatação extra12 Erro de API6 Sem resposta5 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)
#137	Elephant Alpha none	Openrouter	3	3.0	0/3	927ms
#138	Ling-2.6-flash none	Inclusionai	3	3.0	0/3	4.95s
#141	Nemotron 3 Super none	NVIDIA	3	3.6	0/3	6.23s
#143	MiMo-V2.5 none	Xiaomi	3	3.0	0/3	756ms
#144	GPT-5.4 Mini none	OpenAI	3	3.5	0/3	937ms
#145	Laguna M.1 none	Poolside	3	3.6	0/3	5.50s
#147	GPT-4o-mini none	OpenAI	3	3.0	0/3	637ms
#148	GPT-5.4 Nano none	OpenAI	3	2.9	0/3	926ms
#153	Qwen3.6 35B A3B none	Qwen	3	3.5	0/3	7.45s
#154	Qwen3.5-9B none	Qwen	3	3.0	0/3	464ms
#159	Ling-2.6-1T none	Inclusionai	3	3.0	0/3	1.04s
#162	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	3	3.6	0/3	489ms
#163	Granite 4.1 8B none	IBM Granite	3	3.0	0/3	357ms
#5	Qwen3.7 Max medium	Qwen	2	5.9	1/3	24.9s
#6	GPT-5.5 low	OpenAI	2	5.3	1/3	28.1s

Melhores modelos por Contagem de Resposta incorreta