Clasament Rezolvare de puzzle-uri x Răspuns greșit

Eșecuri pe categorii AI BENCHY

Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Rezolvare de puzzle-uri, ca să găsești mai repede punctele slabe.

Modele afișate

Eșecuri totale

147

Modelul cel mai afectat

Motive de eșec

Răspuns greșit147 Nu a urmat instrucțiunile78 Eroare API13 Formatare suplimentară5 Timp expirat5 Fără răspuns1

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)
#124	Kimi K2.6 none	Moonshot AI	2	3.1	0/3	1.40s
#127	Grok 4.20 none	X AI	2	5.3	1/3	473ms
#128	Qwen3.6 Flash none	Qwen	2	3.5	0/3	1.21s
#131	Qwen3.5-122B-A10B none	Qwen	2	3.8	0/3	1.00s
#132	Mistral Small 4 medium	Mistral	2	3.4	0/3	2.17s
#137	Elephant Alpha none	Openrouter	2	4.2	0/3	807ms
#138	Ling-2.6-flash none	Inclusionai	2	2.9	0/3	6.51s
#142	Mistral Small 4 none	Mistral	2	3.1	0/3	399ms
#145	Laguna M.1 none	Poolside	2	3.0	0/3	891ms
#147	GPT-4o-mini none	OpenAI	2	3.5	0/3	1.21s
#149	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	2	2.9	0/3	1.40s
#150	Qwen3 Coder Next medium	Qwen	2	3.0	0/3	1.25s
#151	Trinity Large Preview none	Arcee AI	2	3.6	0/3	1.97s
#152	MiMo-V2-Flash none	Xiaomi	2	5.3	1/3	1.86s
#154	Qwen3.5-9B none	Qwen	2	3.2	0/3	621ms

←

1 2 3 8

→

Top modele după Număr de Răspuns greșit