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

MiniMax M2.5 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)
#71	MiniMax M2.5 medium	Minimax	2	2.9	0/3	237.3s
#57	GPT-5 Nano medium	OpenAI	1	5.2	1/3	204.0s
#93	GLM 4.7 Flash medium	Z.ai	2	3.5	0/3	174.6s
#30	Step 3.5 Flash medium	Stepfun	2	5.3	1/3	170.5s
#32	Qwen3.5-Flash medium	Qwen	1	5.3	1/3	146.5s
#46	Kimi K2.5 medium	Moonshot AI	2	3.5	0/3	137.3s
#11	Gemini 3.1 Flash Lite Preview high	Google	2	5.3	1/3	127.6s
#52	Grok 4.1 Fast medium	X AI	1	5.8	1/3	121.8s
#41	MiMo-V2-Flash medium	Xiaomi	2	5.9	1/3	96.0s
#6	Seed-2.0-Lite medium	Bytedance Seed	2	5.9	1/3	88.7s
#43	Qwen3.5-35B-A3B medium	Qwen	1	4.1	0/3	88.3s
#37	Claude Opus 4.6 medium	Anthropic	1	3.0	0/3	83.4s
#10	Qwen3.5-27B medium	Qwen	1	5.3	1/3	79.5s
#40	GPT-5.2 medium	OpenAI	1	5.9	1/3	77.8s
#16	GPT-5.4 medium	OpenAI	2	5.3	1/3	74.3s

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