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) |
|---|---|---|---|---|---|---|
| #111 | Owl Alpha medium | Openrouter | 3 | 4.8 | 1/4 | 3.97s |
| #113 | DeepSeek V4 Pro none | DeepSeek | 3 | 3.5 | 0/4 | 14.0s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 3 | 4.8 | 1/4 | 1.88s |
| #115 | Qwen3.5-27B none | Qwen | 3 | 4.8 | 1/4 | 788ms |
| #121 | Owl Alpha none | Openrouter | 3 | 3.4 | 0/4 | 2.78s |
| #122 | GLM 4.7 Flash none | Z.ai | 3 | 5.2 | 1/4 | 5.51s |
| #123 | MiMo-V2.5-Pro none | Xiaomi | 3 | 3.3 | 0/4 | 2.67s |
| #124 | Kimi K2.6 none | Moonshot AI | 3 | 4.6 | 1/4 | 1.39s |
| #127 | Grok 4.20 none | X AI | 3 | 4.8 | 1/4 | 501ms |
| #131 | Qwen3.5-122B-A10B none | Qwen | 3 | 4.8 | 1/4 | 1.59s |
| #132 | Mistral Small 4 medium | Mistral | 3 | 5.6 | 1/4 | 2.67s |
| #141 | Nemotron 3 Super none | NVIDIA | 3 | 4.8 | 1/4 | 4.46s |
| #145 | Laguna M.1 none | Poolside | 3 | 3.4 | 0/4 | 705ms |
| #147 | GPT-4o-mini none | OpenAI | 3 | 4.8 | 1/4 | 1.34s |
| #150 | Qwen3 Coder Next medium | Qwen | 3 | 3.5 | 0/4 | 8.64s |