Ranking de Resolução de quebra-cabeças x Resposta incorreta

Falhas por categoria AI BENCHY

Veja quais modelos de IA têm mais chance de encontrar Resposta incorreta em Resolução de quebra-cabeças, para identificar pontos fracos mais rápido.

Modelos exibidos

Falhas totais

147

Modelo mais afetado

Motivos de falha

Resposta incorreta147 Não seguiu as instruções78 Erro de API13 Formatação extra5 Tempo esgotado5 Sem resposta1

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)
#156	Hy3 preview none	Tencent	2	3.1	0/3	4.56s
#158	GLM 4.7 Flash medium	Z.ai	2	2.9	0/3	12.9s
#159	Ling-2.6-1T none	Inclusionai	2	3.1	0/3	5.36s
#160	LFM2-24B-A2B none	Liquid	2	3.8	0/3	1.78s
#163	Granite 4.1 8B none	IBM Granite	2	3.2	0/3	608ms
#7	Gemini 3.5 Flash medium	Google	1	7.7	2/3	2.38s
#24	GPT-5.2 Chat none	OpenAI	1	7.7	2/3	4.10s
#28	Gemini 2.5 Flash medium	Google	1	7.7	2/3	3.18s
#36	Qwen3.5 Plus 2026-04-20 medium	Qwen	1	8.2	2/3	17.7s
#38	Grok 4.3 medium	X AI	1	5.9	1/3	22.5s
#40	Gemini 3.1 Flash Lite Preview medium	Google	1	7.7	2/3	5.30s
#43	MiMo-V2.5-Pro medium	Xiaomi	1	6.7	1/3	5.31s
#44	Gemini 3.1 Flash Lite medium	Google	1	7.6	2/3	1.95s
#46	Qwen3.6 35B A3B medium	Qwen	1	8.0	2/3	5.95s
#47	Grok Build 0.1 medium	X AI	1	7.7	2/3	18.3s

←

1 2 3 4 8

→

Melhores modelos por Contagem de Resposta incorreta