Orodha ya Uandishi wa msimbo x Jibu lisilo sahihi

Kushindwa kwa kategoria za AI BENCHY

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Uandishi wa msimbo, ili uone udhaifu haraka. Panga kwa: Muda wa majibu (wastani) ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

230

Modeli iliyoathirika zaidi

North Mini Code 3

Sababu za kushindwa

Jibu lisilo sahihi230 Hitilafu ya API43 Muda umeisha25 Hakuna jibu18 Hakufuata maelekezo16 Muundo wa ziada12

Kategoria

Mahususi kwa domeni368 Mbinu za kupinga AI270 Uandishi wa msimbo230 Utatuzi wa mafumbo173 Maarifa ya jumla150 Mchanganyiko58 Ufuataji wa maagizo56 Akili ya jumla49 Uchanganuzi na uchimbaji wa data36 Mwito wa zana3

134/134

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#124	North Mini Code medium	Cohere	3	4.5	$0.000	0/3	320.4s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.000 Muda wa majibu (wastani) 320.4s
#61	DeepSeek V3.2 medium	DeepSeek	1	6.0	$0.042	1/3	248.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.042 Muda wa majibu (wastani) 248.7s
#63	Seed-2.0-Mini medium	Bytedance Seed	1	5.5	$0.044	1/3	220.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.044 Muda wa majibu (wastani) 220.5s
#76	Step 3.7 Flash high	Stepfun	1	4.0	$1.148	0/3	206.2s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $1.148 Muda wa majibu (wastani) 206.2s
#166	MiniMax M2.5 medium	Minimax	1	3.4	$0.303	0/3	188.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.303 Muda wa majibu (wastani) 188.6s
#87	Mimo V2 Omni medium	Xiaomi	1	3.3	$0.683	0/3	183.9s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.683 Muda wa majibu (wastani) 183.9s
#34	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	6.6	$0.310	1/3	180.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.310 Muda wa majibu (wastani) 180.7s
#35	Qwen3.5-27B medium	Qwen	2	6.2	$0.536	1/3	160.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.536 Muda wa majibu (wastani) 160.7s
#21	Seed-2.0-Lite medium	Bytedance Seed	1	8.0	$0.175	2/3	156.7s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.175 Muda wa majibu (wastani) 156.7s
#26	Grok 4.5 medium	X AI	1	7.6	$1.696	2/3	155.7s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.696 Muda wa majibu (wastani) 155.7s
#37	Qwen3.6 Plus medium	Qwen	1	6.1	$0.294	1/3	153.1s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.294 Muda wa majibu (wastani) 153.1s
#14	Qwen3.6 Max Preview medium	Qwen	1	8.8	$0.960	2/3	146.5s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.960 Muda wa majibu (wastani) 146.5s
#42	Qwen3.5 Plus 2026-04-20 medium	Qwen	2	6.2	$0.317	1/3	125.3s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.317 Muda wa majibu (wastani) 125.3s
#45	Qwen3.5-122B-A10B medium	Qwen	1	6.0	$0.588	1/3	114.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.588 Muda wa majibu (wastani) 114.5s
#66	Grok 4.20 medium	X AI	2	6.3	$0.609	1/3	109.9s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.609 Muda wa majibu (wastani) 109.9s

Chuja miundo

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

Uandishi wa msimbo: Jibu lisilo sahihi

Chuja miundo

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