Eșecuri pe categorii AI BENCHY
Specific domeniului: Răspuns greșit
Specific domeniului
Răspuns greșit
Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Specific domeniului, 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) |
|---|---|---|---|---|---|---|
| #137 | Elephant Alpha none | Openrouter | 3 | 3.0 | 0/3 | 927ms |
| #138 | Ling-2.6-flash none | Inclusionai | 3 | 3.0 | 0/3 | 4.95s |
| #141 | Nemotron 3 Super none | NVIDIA | 3 | 3.6 | 0/3 | 6.23s |
| #143 | MiMo-V2.5 none | Xiaomi | 3 | 3.0 | 0/3 | 756ms |
| #144 | GPT-5.4 Mini none | OpenAI | 3 | 3.5 | 0/3 | 937ms |
| #145 | Laguna M.1 none | Poolside | 3 | 3.6 | 0/3 | 5.50s |
| #147 | GPT-4o-mini none | OpenAI | 3 | 3.0 | 0/3 | 637ms |
| #148 | GPT-5.4 Nano none | OpenAI | 3 | 2.9 | 0/3 | 926ms |
| #153 | Qwen3.6 35B A3B none | Qwen | 3 | 3.5 | 0/3 | 7.45s |
| #154 | Qwen3.5-9B none | Qwen | 3 | 3.0 | 0/3 | 464ms |
| #159 | Ling-2.6-1T none | Inclusionai | 3 | 3.0 | 0/3 | 1.04s |
| #162 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 3 | 3.6 | 0/3 | 489ms |
| #163 | Granite 4.1 8B none | IBM Granite | 3 | 3.0 | 0/3 | 357ms |
| #5 | Qwen3.7 Max medium | Qwen | 2 | 5.9 | 1/3 | 24.9s |
| #6 | GPT-5.5 low | OpenAI | 2 | 5.3 | 1/3 | 28.1s |