Eșecuri pe categorii AI BENCHY
Trucuri anti-AI: Răspuns greșit
Trucuri anti-AI
Răspuns greșit
Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Trucuri anti-AI, ca să găsești mai repede punctele slabe.
Motive de eșec
| Rang | Model | Companie | Număr de Răspuns greșit | Scor de categorie | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|
| #142 | Mistral Small 4 none | Mistral | 4 | 3.4 | 0/4 | 395ms |
| #143 | MiMo-V2.5 none | Xiaomi | 4 | 3.5 | 0/4 | 2.19s |
| #144 | GPT-5.4 Mini none | OpenAI | 4 | 3.1 | 0/4 | 929ms |
| #148 | GPT-5.4 Nano none | OpenAI | 4 | 3.5 | 0/4 | 1.18s |
| #151 | Trinity Large Preview none | Arcee AI | 4 | 3.1 | 0/4 | 2.07s |
| #152 | MiMo-V2-Flash none | Xiaomi | 4 | 3.2 | 0/4 | 1.19s |
| #153 | Qwen3.6 35B A3B none | Qwen | 4 | 3.6 | 0/4 | 2.10s |
| #154 | Qwen3.5-9B none | Qwen | 4 | 3.1 | 0/4 | 1.71s |
| #155 | Mercury 2 none | Inception | 4 | 3.0 | 0/4 | 483ms |
| #159 | Ling-2.6-1T none | Inclusionai | 4 | 3.4 | 0/4 | 6.55s |
| #74 | Qwen3.6 Max Preview none | Qwen | 3 | 5.2 | 1/4 | 2.63s |
| #95 | Qwen3.5 Plus 2026-02-15 none | Qwen | 3 | 4.8 | 1/4 | 1.91s |
| #98 | GLM 5 none | Z.ai | 3 | 4.8 | 1/4 | 2.37s |
| #101 | Mimo V2 Omni none | Xiaomi | 3 | 3.6 | 0/4 | 1.63s |
| #109 | GLM 5V Turbo none | Z.ai | 3 | 4.8 | 1/4 | 3.13s |