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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

314

Modeli iliyoathirika zaidi

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)
#81	Mercury 2 medium	Inception	3	2.9	0/3	6.48s
#87	Gemini 3.1 Flash Lite minimal	Google	3	2.9	0/3	1.02s
#88	Qwen3.7 Plus none	Qwen	3	3.0	0/3	868ms
#90	Gemini 3.1 Flash Lite none	Google	3	2.9	0/3	762ms
#91	GPT-5.5 none	OpenAI	3	2.9	0/3	1.31s
#98	GLM 5 none	Z.ai	3	3.0	0/3	2.24s
#99	gpt-oss-120b medium	OpenAI	3	2.9	0/3	50.9s
#102	Gemma 4 26B A4B none	Google	3	3.6	0/3	2.49s
#106	Grok 4.20 Beta none	X AI	3	3.0	0/3	611ms
#110	Seed-2.0-Lite none	Bytedance Seed	3	3.6	0/3	1.33s
#112	GLM 5.1 none	Z.ai	3	2.9	0/3	1.99s
#115	Qwen3.5-27B none	Qwen	3	3.0	0/3	540ms
#119	Cobuddy medium	Baidu	3	2.9	0/3	128.2s
#126	gpt-oss-120b none	OpenAI	3	3.0	0/3	35.0s
#136	Elephant Alpha medium	Openrouter	3	3.0	0/3	925ms

Modeli bora kwa Idadi ya Jibu lisilo sahihi