Сбои по категориям AI BENCHY
Решение головоломок: Лишнее форматирование
Решение головоломок
Лишнее форматирование
Посмотрите, какие AI-модели чаще всего сталкиваются с Лишнее форматирование в Решение головоломок, чтобы быстрее находить слабые места. Сортировать по: Время ответа (среднее) ↑.
Причины сбоев
| Ранг | Модель | Компания | Количество Лишнее форматирование | Оценка категории | Тестов верно | Время ответа (среднее) |
|---|---|---|---|---|---|---|
| #77 | Claude Sonnet 4.6 none | Anthropic | 1 | 7.7 | 2/3 | 2.53s |
| #68 | Claude Opus 4.8 none | Anthropic | 1 | 7.7 | 2/3 | 2.74s |
| #51 | Mimo V2 PRO medium | Xiaomi | 1 | 6.4 | 1/3 | 5.08s |
| #113 | DeepSeek V4 Pro none | DeepSeek | 1 | 7.6 | 2/3 | 16.0s |
| #139 | DeepSeek V4 Flash none | DeepSeek | 1 | 3.1 | 0/3 | 23.7s |