AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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: Timp de răspuns (mediu) ↑.

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
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#152 MiMo-V2-Flash none Xiaomi 1 4.6 4/21 2.76s
#68 Claude Opus 4.8 none Anthropic 3 7.0 12/21 3.47s
#77 Claude Sonnet 4.6 none Anthropic 4 6.8 11/21 5.04s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#84 Grok 4.20 Multi Agent Beta medium X AI 2 6.6 8/18 9.69s
#121 Owl Alpha none Openrouter 1 5.5 7/21 9.88s
#79 Hunter Alpha medium OpenRouter 1 6.7 8/18 10.3s
#113 DeepSeek V4 Pro none DeepSeek 1 5.7 7/21 12.4s
#156 Hy3 preview none Tencent 1 4.4 4/21 12.9s
#133 DeepSeek V3.2 none DeepSeek 2 5.2 6/21 13.8s
#52 Claude Sonnet 4.6 medium Anthropic 3 7.4 13/21 17.1s

Top modele după Număr de Formatare suplimentară

Număr de Formatare suplimentară vs Scor

Top modele după Timp de răspuns (mediu)