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)
#139	DeepSeek V4 Flash none	DeepSeek	2	5.3	1/3	19.7s
#140	Qwen3 Coder Next none	Qwen	2	5.3	1/3	962ms
#142	Mistral Small 4 none	Mistral	2	5.3	1/3	367ms
#146	Laguna Xs.2 none	Poolside	2	5.3	1/3	371ms
#149	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	2	2.9	0/3	56.7s
#150	Qwen3 Coder Next medium	Qwen	2	5.3	1/3	638ms
#151	Trinity Large Preview none	Arcee AI	2	5.3	1/3	877ms
#152	MiMo-V2-Flash none	Xiaomi	2	5.3	1/3	564ms
#155	Mercury 2 none	Inception	2	5.3	1/3	534ms
#156	Hy3 preview none	Tencent	2	3.6	0/3	17.6s
#157	Grok 4.1 Fast none	X AI	2	5.9	1/3	1.06s
#158	GLM 4.7 Flash medium	Z.ai	2	3.5	0/3	174.6s
#2	Gemini 3.5 Flash high	Google	1	7.6	2/3	14.1s
#3	Gemini 3.5 Flash low	Google	1	7.7	2/3	3.39s
#4	Gemini 3.1 Pro Preview medium	Google	1	7.7	2/3	32.7s

Modeli bora kwa Idadi ya Jibu lisilo sahihi