Clasament Trucuri anti-AI x Răspuns greșit

Eșecuri pe categorii AI BENCHY

Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Trucuri anti-AI, ca să găsești mai repede punctele slabe.

Modele afișate

Eșecuri totale

245

Modelul cel mai afectat

Motive de eșec

Răspuns greșit245 Nu a urmat instrucțiunile30 Formatare suplimentară14 Eroare API13 Timp expirat4 Fără răspuns2

Categorii

Specific domeniului314 Trucuri anti-AI245 Programare194 Rezolvare de puzzle-uri147 Cultură generală130 Respectarea instrucțiunilor53 Combinat52 Parsare și extragere de date35 Inteligență generală32 Apelare instrumente2

Rang	Model	Companie	Număr de Răspuns greșit	Scor de categorie	Teste corecte	Timp de răspuns (mediu)
#157	Grok 4.1 Fast none	X AI	3	3.2	0/4	1.07s
#160	LFM2-24B-A2B none	Liquid	3	3.3	0/3	471ms
#32	Gemini 3.5 Flash minimal	Google	2	6.5	2/4	892ms
#34	Qwen3.7 Max none	Qwen	2	6.5	2/4	1.08s
#61	Gemini 3.1 Flash Lite low	Google	2	7.3	2/4	1.84s
#67	MiniMax M3 medium	Minimax	2	5.5	1/4	14.9s
#79	Hunter Alpha medium	OpenRouter	2	7.3	2/4	4.75s
#85	Gemma 4 31B none	Google	2	6.5	2/4	1.85s
#88	Qwen3.7 Plus none	Qwen	2	6.5	2/4	1.38s
#90	Gemini 3.1 Flash Lite none	Google	2	7.5	2/4	1.07s
#91	GPT-5.5 none	OpenAI	2	6.9	2/4	1.31s
#94	GPT-5 Nano medium	OpenAI	2	6.5	2/4	25.5s
#136	Elephant Alpha medium	Openrouter	2	6.6	2/4	1.19s
#140	Qwen3 Coder Next none	Qwen	2	3.6	0/4	3.31s
#146	Laguna Xs.2 none	Poolside	2	3.0	0/4	534ms

←

1 3 4 5 8

→

Top modele după Număr de Răspuns greșit