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: Majaribio sahihi ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

182

Modeli iliyoathirika zaidi

Gemini 3.1 Pro Preview 1

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)
#2	Gemini 3.1 Pro Preview medium	Google	1	7.7	2/3	32.7s
#4	Claude Opus 4.7 none	Anthropic	1	7.7	2/3	1.19s
#14	Gemma 4 31B medium	Google	1	7.7	2/3	38.5s
#21	Gemini 3 Flash Preview none	Google	1	7.7	2/3	963ms
#42	Claude Sonnet 4.6 none	Anthropic	1	7.7	2/3	3.54s
#48	Gemma 4 31B none	Google	1	7.7	2/3	3.22s
#59	Qwen3.5-Flash none	Qwen	1	7.7	2/3	905ms
#63	Qwen3.5-35B-A3B none	Qwen	1	7.7	2/3	485ms
#74	GLM 4.7 Flash none	Z.ai	1	7.7	2/3	744ms
#5	Gemini 3 Flash Preview low	Google	2	5.3	1/3	8.05s
#6	Seed-2.0-Lite medium	Bytedance Seed	2	5.9	1/3	88.7s
#7	GPT-5.3-Codex medium	OpenAI	2	5.9	1/3	64.3s
#8	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	5.3	1/3	17.5s
#10	Qwen3.5-27B medium	Qwen	1	5.3	1/3	79.5s
#11	Gemini 3.1 Flash Lite Preview high	Google	2	5.3	1/3	127.6s

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