AI BENCHY
Your ad here

Kushindwa kwa kategoria za AI BENCHY

Mahususi kwa domeni: Jibu lisilo sahihi

Mahususi kwa domeni
Jibu lisilo sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Mahususi kwa domeni, ili uone udhaifu haraka.

Modeli zilizoonyeshwa

15

Jumla ya kushindwa

182

Modeli iliyoathirika zaidi

Qwen3.6 Plus Preview 3

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)
#55 MiMo-V2-Omni none Xiaomi 2 5.3 1/3 1.14s
#56 Grok 4.20 Multi Agent Beta medium X AI 2 2.9 0/3 24.7s
#58 GLM 5V Turbo none Z.ai 2 5.3 1/3 2.09s
#62 Gemini 2.5 Flash none Google 2 5.9 1/3 495ms
#65 MiMo-V2-Pro none Xiaomi 2 5.3 1/3 1.78s
#66 GPT-5.4 none OpenAI 2 5.3 1/3 1.07s
#69 Kimi K2.6 none Moonshot AI 2 5.3 1/3 1.48s
#70 Qwen3.5-122B-A10B none Qwen 2 5.3 1/3 465ms
#71 MiniMax M2.5 medium Minimax 2 2.9 0/3 237.3s
#72 Hunter Alpha none OpenRouter 2 5.3 1/3 2.33s
#76 Kimi K2.5 none Moonshot AI 2 5.3 1/3 4.38s
#77 GLM 5 Turbo none Z.ai 2 5.3 1/3 1.97s
#78 Trinity Large Preview none Arcee AI 2 5.3 1/3 877ms
#82 Grok 4.20 none X AI 2 3.0 0/3 687ms
#83 Mistral Small 4 none Mistral 2 5.3 1/3 367ms

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