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. Sortează după: Scor ↑.

Modele afișate

15

Eșecuri totale

48

Modelul cel mai afectat

Granite 4.1 8B 1
Rang Model Companie Număr de Formatare suplimentară Scor Teste corecte Timp de răspuns (mediu)
#163 Granite 4.1 8B none IBM Granite 1 4.0 2/21 728ms
#161 Qwen3.5-9B medium Qwen 1 4.2 3/21 82.2s
#156 Hy3 preview none Tencent 1 4.4 4/21 12.9s
#152 MiMo-V2-Flash none Xiaomi 1 4.6 4/21 2.76s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#139 DeepSeek V4 Flash none DeepSeek 2 5.0 5/21 26.8s
#133 DeepSeek V3.2 none DeepSeek 2 5.2 6/21 13.8s
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#121 Owl Alpha none Openrouter 1 5.5 7/21 9.88s
#113 DeepSeek V4 Pro none DeepSeek 1 5.7 7/21 12.4s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#80 Mimo V2 Omni medium Xiaomi 1 6.7 10/21 41.2s
#79 Hunter Alpha medium OpenRouter 1 6.7 8/18 10.3s

Top modele după Număr de Formatare suplimentară

Număr de Formatare suplimentară vs Scor

Top modele după Timp de răspuns (mediu)