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

Qwen3.5-27B 1
Rang Model Companie Număr de Formatare suplimentară Scor Teste corecte Timp de răspuns (mediu)
#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
#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
#51 Mimo V2 PRO medium Xiaomi 1 7.4 12/21 22.2s
#52 Claude Sonnet 4.6 medium Anthropic 3 7.4 13/21 17.1s
#55 GLM 5.1 medium Z.ai 1 7.3 12/21 33.7s
#56 MiMo-V2.5 medium Xiaomi 2 7.3 12/21 27.1s
#64 MiMo-V2-Flash medium Xiaomi 1 7.2 12/21 20.1s
#65 Grok 4.20 medium X AI 1 7.1 12/21 27.7s
#67 MiniMax M3 medium Minimax 1 7.1 11/21 68.2s
#68 Claude Opus 4.8 none Anthropic 3 7.0 12/21 3.47s
#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
#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)