AI BENCHY
Advertise here

Kushindwa kwa kategoria za AI BENCHY

Utatuzi wa mafumbo: Jibu lisilo sahihi

Utatuzi wa mafumbo
Jibu lisilo sahihi

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

Modeli zilizoonyeshwa

15

Jumla ya kushindwa

147

Modeli iliyoathirika zaidi

Qwen3.5-Flash 3

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)
#48 Gemini 3 Flash Preview none Google 1 7.7 2/3 1.05s
#54 GPT-5 Mini medium OpenAI 1 5.6 1/3 15.2s
#55 GLM 5.1 medium Z.ai 1 8.2 2/3 31.6s
#59 GLM 5V Turbo medium Z.ai 1 7.7 2/3 10.2s
#60 Kimi K2.6 medium Moonshot AI 1 6.0 1/3 25.1s
#62 Step 3.5 Flash medium Stepfun 1 5.3 1/3 7.22s
#64 MiMo-V2-Flash medium Xiaomi 1 7.7 2/3 3.87s
#65 Grok 4.20 medium X AI 1 7.7 2/3 6.22s
#67 MiniMax M3 medium Minimax 1 7.9 2/3 49.9s
#69 Claude Opus 4.6 medium Anthropic 1 7.7 2/3 4.71s
#72 DeepSeek V3.2 medium DeepSeek 1 7.0 1/3 37.7s
#73 Seed-2.0-Mini medium Bytedance Seed 1 8.2 2/3 31.8s
#75 Ring-2.6-1T medium Inclusionai 1 5.9 1/3 20.7s
#76 Kimi K2.5 medium Moonshot AI 1 5.3 1/3 43.2s
#78 Qwen3.6 27B medium Qwen 1 7.7 2/3 61.1s

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