AI BENCHY
Advertise here

Eșecuri AI BENCHY

Eșecuri Formatare suplimentară

Vezi ce modele AI se lovesc cel mai des de Formatare suplimentară, ca să identifici riscurile de fiabilitate înainte să alegi.

Modele afișate

15

Eșecuri totale

48

Modelul cel mai afectat

Claude Opus 4.6 5
Rang Model Companie Număr de Formatare suplimentară Scor Teste corecte Timp de răspuns (mediu)
#69 Claude Opus 4.6 medium Anthropic 5 7.0 12/21 25.9s
#77 Claude Sonnet 4.6 none Anthropic 4 6.8 11/21 5.04s
#43 MiMo-V2.5-Pro medium Xiaomi 3 7.5 12/21 26.1s
#47 Grok Build 0.1 medium X AI 3 7.4 13/21 49.9s
#52 Claude Sonnet 4.6 medium Anthropic 3 7.4 13/21 17.1s
#68 Claude Opus 4.8 none Anthropic 3 7.0 12/21 3.47s
#56 MiMo-V2.5 medium Xiaomi 2 7.3 12/21 27.1s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#133 DeepSeek V3.2 none DeepSeek 2 5.2 6/21 13.8s
#139 DeepSeek V4 Flash none DeepSeek 2 5.0 5/21 26.8s
#30 Qwen3.5-27B medium Qwen 1 7.8 13/21 68.4s
#38 Grok 4.3 medium X AI 1 7.6 13/21 47.5s
#51 Mimo V2 PRO medium Xiaomi 1 7.4 12/21 22.2s
#55 GLM 5.1 medium Z.ai 1 7.3 12/21 33.7s
#64 MiMo-V2-Flash medium Xiaomi 1 7.2 12/21 20.1s

Top modele după Număr de Formatare suplimentară

Număr de Formatare suplimentară vs Scor

Top modele după Timp de răspuns (mediu)