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)
#82	Hy3 preview high	Tencent	2	5.3	1/3	109.0s
#84	Grok 4.20 Multi Agent Beta medium	X AI	2	2.9	0/3	24.7s
#89	Hy3 preview low	Tencent	2	5.9	1/3	40.4s
#92	Laguna M.1 medium	Poolside	2	5.3	1/3	24.1s
#93	Qwen3.6 Plus Preview medium	Qwen	2	3.0	0/3	22.1s
#95	Qwen3.5 Plus 2026-02-15 none	Qwen	2	5.3	1/3	1.17s
#96	Ring-2.6-1T none	Inclusionai	2	5.3	1/3	73.4s
#97	Gemini 2.5 Flash none	Google	2	5.9	1/3	495ms
#100	Grok Build 0.1 none	X AI	2	3.6	0/3	103.7s
#101	Mimo V2 Omni none	Xiaomi	2	5.3	1/3	2.10s
#104	Nemotron 3 Ultra 550b A55b none	NVIDIA	2	5.3	1/3	698ms
#105	Nemotron 3 Super medium	NVIDIA	2	2.9	0/3	16.2s
#107	Laguna Xs.2 medium	Poolside	2	4.1	0/3	11.1s
#109	GLM 5V Turbo none	Z.ai	2	5.3	1/3	2.09s
#111	Owl Alpha medium	Openrouter	2	5.3	1/3	8.58s

Modeli bora kwa Idadi ya Jibu lisilo sahihi