Рейтинг Предметно-ориентированное x Неверный ответ

Сбои по категориям AI BENCHY

Посмотрите, какие AI-модели чаще всего сталкиваются с Неверный ответ в Предметно-ориентированное, чтобы быстрее находить слабые места.

Показано моделей

Всего сбоев

182

Наиболее затронутая модель

Причины сбоев

Неверный ответ182 Тайм-аут31 Лишнее форматирование8 Нет ответа2 Ошибка API2

Категории

Предметно-ориентированное182 Анти-ИИ уловки165 Решение головоломок85 Следование инструкциям44 Комбинированный37 Программирование28 Парсинг и извлечение данных19 Общий интеллект10 Вызов инструментов2

Ранг	Модель	Компания	Количество Неверный ответ	Оценка категории	Тестов верно	Время ответа (среднее)
#55	MiMo-V2-Omni none	Xiaomi	2	5.3	1/3	1.14s
#56	Grok 4.20 Multi Agent Beta medium	X AI	2	2.9	0/3	24.7s
#58	GLM 5V Turbo none	Z.ai	2	5.3	1/3	2.09s
#62	Gemini 2.5 Flash none	Google	2	5.9	1/3	495ms
#65	MiMo-V2-Pro none	Xiaomi	2	5.3	1/3	1.78s
#66	GPT-5.4 none	OpenAI	2	5.3	1/3	1.07s
#69	Kimi K2.6 none	Moonshot AI	2	5.3	1/3	1.48s
#70	Qwen3.5-122B-A10B none	Qwen	2	5.3	1/3	465ms
#71	MiniMax M2.5 medium	Minimax	2	2.9	0/3	237.3s
#72	Hunter Alpha none	OpenRouter	2	5.3	1/3	2.33s
#76	Kimi K2.5 none	Moonshot AI	2	5.3	1/3	4.38s
#77	GLM 5 Turbo none	Z.ai	2	5.3	1/3	1.97s
#78	Trinity Large Preview none	Arcee AI	2	5.3	1/3	877ms
#82	Grok 4.20 none	X AI	2	3.0	0/3	687ms
#83	Mistral Small 4 none	Mistral	2	5.3	1/3	367ms

←

1 2 3 4 5 6 7

→

Лучшие модели по Количество Неверный ответ