AI BENCHY
Your ad here

Kushindwa kwa kategoria za AI BENCHY

Mbinu za kupinga AI: Jibu lisilo sahihi

Mbinu za kupinga AI
Jibu lisilo sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Mbinu za kupinga AI, ili uone udhaifu haraka.

Modeli zilizoonyeshwa

14

Jumla ya kushindwa

165

Modeli iliyoathirika zaidi

Qwen3.5-Flash 4

Sababu za kushindwa

Jibu lisilo sahihi165 Hakufuata maelekezo17 Muundo wa ziada11 Muda umeisha4 Hakuna jibu1

Kategoria

Mahususi kwa domeni182 Mbinu za kupinga AI165 Utatuzi wa mafumbo85 Ufuataji wa maagizo44 Mchanganyiko37 Uandishi wa msimbo28 Uchanganuzi na uchimbaji wa data19 Akili ya jumla10 Mwito wa zana2
Nafasi Modeli Kampuni Idadi ya Jibu lisilo sahihi Alama ya kategoria Majaribio sahihi Muda wa majibu (wastani)
#42 Claude Sonnet 4.6 none Anthropic 1 4.8 1/4 2.94s
#44 GPT-5.4 Mini medium OpenAI 1 8.6 3/4 4.05s
#45 GPT-5 Mini medium OpenAI 1 7.1 2/4 13.9s
#46 Kimi K2.5 medium Moonshot AI 1 7.3 2/4 51.4s
#47 Grok 4.20 medium X AI 1 8.2 3/4 3.36s
#52 Grok 4.1 Fast medium X AI 1 8.7 3/4 3.81s
#54 Mercury 2 medium Inception 1 6.9 2/4 1.12s
#56 Grok 4.20 Multi Agent Beta medium X AI 1 6.9 2/4 3.46s
#60 Gemma 4 26B A4B none Google 1 8.3 3/4 1.28s
#68 gpt-oss-120b medium OpenAI 1 6.7 2/4 10.2s
#80 MiniMax M2.7 medium Minimax 1 7.9 2/4 40.3s
#84 gpt-oss-120b none OpenAI 1 6.6 2/4 6.03s
#85 Elephant none Openrouter 1 6.6 2/4 963ms
#97 Qwen3.5-9B medium Qwen 1 5.1 1/4 34.4s

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa