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

182

Modeli iliyoathirika zaidi

GLM 5 2

Sababu za kushindwa

Jibu lisilo sahihi182 Muda umeisha31 Muundo wa ziada8 Hakuna jibu2 Hitilafu ya API2

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)
#13	GLM 5 medium	Z.ai	2	3.5	0/3	0ms
#26	Claude Sonnet 4.6 medium	Anthropic	1	2.9	0/3	0ms
#98	LFM2-24B-A2B none	Liquid	1	5.9	1/3	287ms
#83	Mistral Small 4 none	Mistral	2	5.3	1/3	367ms
#90	Qwen3.5-9B none	Qwen	3	3.0	0/3	464ms
#70	Qwen3.5-122B-A10B none	Qwen	2	5.3	1/3	465ms
#63	Qwen3.5-35B-A3B none	Qwen	1	7.7	2/3	485ms
#62	Gemini 2.5 Flash none	Google	2	5.9	1/3	495ms
#91	Mercury 2 none	Inception	2	5.3	1/3	534ms
#67	Qwen3.5-27B none	Qwen	3	3.0	0/3	540ms
#94	MiMo-V2-Flash none	Xiaomi	2	5.3	1/3	564ms
#79	Grok 4.20 Beta none	X AI	3	3.0	0/3	611ms
#89	GPT-4o-mini none	OpenAI	3	3.0	0/3	637ms
#92	Qwen3 Coder Next medium	Qwen	2	5.3	1/3	638ms
#82	Grok 4.20 none	X AI	2	3.0	0/3	687ms

1 2 3 4 5 6 7

→

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