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)
#9	GPT-5.5 medium	OpenAI	2	5.3	1/3	164.1s
#10	Claude Opus 4.8 medium	Anthropic	2	5.3	1/3	14.2s
#12	Gemini 3.1 Flash Lite Preview high	Google	2	5.3	1/3	127.6s
#13	Grok 4.20 Beta medium	X AI	2	5.3	1/3	21.3s
#15	GPT-5.3-Codex medium	OpenAI	2	5.9	1/3	64.3s
#16	Gemini 3 Flash Preview low	Google	2	5.3	1/3	8.05s
#17	GLM 5 medium	Z.ai	2	3.5	0/3	0ms
#19	Seed-2.0-Lite medium	Bytedance Seed	2	5.9	1/3	88.7s
#21	GPT-5.4 medium	OpenAI	2	5.3	1/3	74.3s
#23	GLM 5 Turbo medium	Z.ai	2	2.9	0/3	71.1s
#24	GPT-5.2 Chat none	OpenAI	2	5.3	1/3	17.8s
#28	Gemini 2.5 Flash medium	Google	2	5.9	1/3	37.3s
#33	Hy3 preview medium	Tencent	2	5.3	1/3	22.3s
#35	Gemini 3 PRO Preview medium	Google	2	5.3	1/3	7.01s
#37	Gemma 4 26B A4B medium	Google	2	2.9	0/3	23.6s

Melhores modelos por Contagem de Resposta incorreta