Orodha ya Utatuzi wa mafumbo 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 Utatuzi wa mafumbo, ili uone udhaifu haraka. Panga kwa: Muda wa majibu (wastani) ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

147

Modeli iliyoathirika zaidi

Qwen3.6 27B 1

Sababu za kushindwa

Jibu lisilo sahihi147 Hakufuata maelekezo78 Hitilafu ya API13 Muda umeisha5 Muundo wa ziada5 Hakuna jibu1

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)
#78	Qwen3.6 27B medium	Qwen	1	7.7	2/3	61.1s
#67	MiniMax M3 medium	Minimax	1	7.9	2/3	49.9s
#76	Kimi K2.5 medium	Moonshot AI	1	5.3	1/3	43.2s
#72	DeepSeek V3.2 medium	DeepSeek	1	7.0	1/3	37.7s
#103	DeepSeek V4 Pro high	DeepSeek	1	5.9	1/3	34.8s
#161	Qwen3.5-9B medium	Qwen	1	3.0	0/3	32.3s
#73	Seed-2.0-Mini medium	Bytedance Seed	1	8.2	2/3	31.8s
#55	GLM 5.1 medium	Z.ai	1	8.2	2/3	31.6s
#60	Kimi K2.6 medium	Moonshot AI	1	6.0	1/3	25.1s
#130	MiniMax M2.7 medium	Minimax	1	5.9	1/3	24.9s
#140	Qwen3 Coder Next none	Qwen	3	3.0	0/3	24.3s
#139	DeepSeek V4 Flash none	DeepSeek	1	3.1	0/3	23.7s
#38	Grok 4.3 medium	X AI	1	5.9	1/3	22.5s
#99	gpt-oss-120b medium	OpenAI	1	5.3	1/3	21.7s
#75	Ring-2.6-1T medium	Inclusionai	1	5.9	1/3	20.7s

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

Utatuzi wa mafumbo: Jibu lisilo sahihi

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