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)
#113	DeepSeek V4 Pro none	DeepSeek	2	5.3	1/3	3.17s
#114	Qwen3.5 Plus 2026-04-20 none	Qwen	2	5.3	1/3	4.43s
#116	Hunter Alpha none	OpenRouter	2	5.3	1/3	2.33s
#120	Mimo V2 PRO none	Xiaomi	2	5.3	1/3	1.78s
#121	Owl Alpha none	Openrouter	2	5.3	1/3	3.00s
#123	MiMo-V2.5-Pro none	Xiaomi	2	5.3	1/3	877ms
#124	Kimi K2.6 none	Moonshot AI	2	5.3	1/3	1.48s
#125	GPT-5.4 none	OpenAI	2	5.3	1/3	1.07s
#127	Grok 4.20 none	X AI	2	3.0	0/3	687ms
#128	Qwen3.6 Flash none	Qwen	2	5.3	1/3	1.11s
#129	MiniMax M2.5 medium	Minimax	2	2.9	0/3	237.3s
#131	Qwen3.5-122B-A10B none	Qwen	2	5.3	1/3	465ms
#133	DeepSeek V3.2 none	DeepSeek	2	2.9	0/3	4.17s
#134	GLM 5 Turbo none	Z.ai	2	5.3	1/3	1.97s
#135	Kimi K2.5 none	Moonshot AI	2	5.3	1/3	4.38s

Modeli bora kwa Idadi ya Jibu lisilo sahihi