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: Teste corecte ↑.

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
#152 MiMo-V2-Flash none Xiaomi 1 4.6 4/21 2.76s
#156 Hy3 preview none Tencent 1 4.4 4/21 12.9s
#139 DeepSeek V4 Flash none DeepSeek 2 5.0 5/21 26.8s
#140 Qwen3 Coder Next none Qwen 1 4.9 5/21 8.62s
#143 MiMo-V2.5 none Xiaomi 1 4.9 5/21 2.20s
#133 DeepSeek V3.2 none DeepSeek 2 5.2 6/21 13.8s
#113 DeepSeek V4 Pro none DeepSeek 1 5.7 7/21 12.4s
#121 Owl Alpha none Openrouter 1 5.5 7/21 9.88s
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#101 Mimo V2 Omni none Xiaomi 1 6.0 8/21 2.44s
#79 Hunter Alpha medium OpenRouter 1 6.7 8/18 10.3s
#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

Top modele după Număr de Formatare suplimentară

Număr de Formatare suplimentară vs Scor

Top modele după Timp de răspuns (mediu)