Orodha ya Mahususi kwa domeni 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 Mahususi kwa domeni, ili uone udhaifu haraka. Panga kwa: Muda wa majibu (wastani) ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

314

Modeli iliyoathirika zaidi

GLM 5 2

Sababu za kushindwa

Jibu lisilo sahihi314 Muda umeisha34 Muundo wa ziada12 Hitilafu ya API6 Hakuna jibu5 Hakufuata maelekezo1

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)
#17	GLM 5 medium	Z.ai	2	3.5	0/3	0ms
#52	Claude Sonnet 4.6 medium	Anthropic	1	2.9	0/3	0ms
#160	LFM2-24B-A2B none	Liquid	1	5.9	1/3	287ms
#163	Granite 4.1 8B none	IBM Granite	3	3.0	0/3	357ms
#142	Mistral Small 4 none	Mistral	2	5.3	1/3	367ms
#146	Laguna Xs.2 none	Poolside	2	5.3	1/3	371ms
#154	Qwen3.5-9B none	Qwen	3	3.0	0/3	464ms
#131	Qwen3.5-122B-A10B none	Qwen	2	5.3	1/3	465ms
#117	Qwen3.5-35B-A3B none	Qwen	1	7.7	2/3	485ms
#162	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	3	3.6	0/3	489ms
#97	Gemini 2.5 Flash none	Google	2	5.9	1/3	495ms
#155	Mercury 2 none	Inception	2	5.3	1/3	534ms
#115	Qwen3.5-27B none	Qwen	3	3.0	0/3	540ms
#152	MiMo-V2-Flash none	Xiaomi	2	5.3	1/3	564ms
#106	Grok 4.20 Beta none	X AI	3	3.0	0/3	611ms

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

Mahususi kwa domeni: Jibu lisilo sahihi

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