AI BENCHY
Advertise 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

15

Jumla ya kushindwa

245

Modeli iliyoathirika zaidi

Gemini 2.5 Flash 4

Sababu za kushindwa

Jibu lisilo sahihi245 Hakufuata maelekezo30 Muundo wa ziada14 Hitilafu ya API13 Muda umeisha4 Hakuna jibu2

Kategoria

Mahususi kwa domeni314 Mbinu za kupinga AI245 Uandishi wa msimbo194 Utatuzi wa mafumbo147 Maarifa ya jumla130 Ufuataji wa maagizo53 Mchanganyiko52 Uchanganuzi na uchimbaji wa data35 Akili ya jumla32 Mwito wa zana2
Nafasi Modeli Kampuni Idadi ya Jibu lisilo sahihi Alama ya kategoria Majaribio sahihi Muda wa majibu (wastani)
#78 Qwen3.6 27B medium Qwen 1 8.3 3/4 12.6s
#81 Mercury 2 medium Inception 1 6.9 2/4 1.12s
#84 Grok 4.20 Multi Agent Beta medium X AI 1 6.9 2/4 3.46s
#86 Grok 4.1 Fast medium X AI 1 8.7 3/4 3.81s
#87 Gemini 3.1 Flash Lite minimal Google 1 8.3 3/4 1.10s
#92 Laguna M.1 medium Poolside 1 6.5 2/4 4.87s
#99 gpt-oss-120b medium OpenAI 1 6.7 2/4 10.2s
#100 Grok Build 0.1 none X AI 1 8.7 3/4 6.30s
#102 Gemma 4 26B A4B none Google 1 8.3 3/4 1.28s
#103 DeepSeek V4 Pro high DeepSeek 1 6.4 2/4 16.5s
#107 Laguna Xs.2 medium Poolside 1 6.9 2/4 2.68s
#119 Cobuddy medium Baidu 1 8.7 3/4 10.00s
#126 gpt-oss-120b none OpenAI 1 6.5 2/4 32.8s
#130 MiniMax M2.7 medium Minimax 1 7.9 2/4 40.3s
#133 DeepSeek V3.2 none DeepSeek 1 3.2 0/4 9.35s

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