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

Modeli zilizoonyeshwa

Jumla ya kushindwa

133

Modeli iliyoathirika zaidi

Kimi K2.7 Code 1

Sababu za kushindwa

Jibu lisilo sahihi133 Hitilafu ya API13 Hakuna jibu8

Kategoria

Mahususi kwa domeni325 Mbinu za kupinga AI250 Uandishi wa msimbo201 Utatuzi wa mafumbo154 Maarifa ya jumla133 Ufuataji wa maagizo54 Mchanganyiko53 Akili ya jumla36 Uchanganuzi na uchimbaji wa data35 Mwito wa zana2

133/133

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#65	Kimi K2.7 Code medium	Moonshot AI	1	3.0	$0.583	0/1	341.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.583 Muda wa majibu (wastani) 341.8s
#73	Mimo V2 Omni medium	Xiaomi	1	3.0	$0.683	0/1	234.2s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.683 Muda wa majibu (wastani) 234.2s
#59	Gemma 4 26B A4B medium	Google	1	3.0	$0.045	0/1	180.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.045 Muda wa majibu (wastani) 180.9s
#89	Qwen3.5-35B-A3B medium	Qwen	1	3.0	$0.401	0/1	177.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.401 Muda wa majibu (wastani) 177.4s
#144	Ring-2.6-1T none	Inclusionai	1	3.0	$0.026	0/1	133.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.026 Muda wa majibu (wastani) 133.6s
#35	Kimi K2.6 medium	Moonshot AI	1	3.0	$0.889	0/1	130.3s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.889 Muda wa majibu (wastani) 130.3s
#47	Qwen3.6 Flash medium	Qwen	1	3.0	$0.288	0/1	122.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.288 Muda wa majibu (wastani) 122.9s
#168	Step 3.5 Flash none	Stepfun	1	3.0	$0.020	0/1	114.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.020 Muda wa majibu (wastani) 114.1s
#72	Ring-2.6-1T medium	Inclusionai	1	3.0	$0.033	0/1	113.9s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.033 Muda wa majibu (wastani) 113.9s
#80	Step 3.5 Flash medium	Stepfun	1	3.0	$0.070	0/1	108.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.070 Muda wa majibu (wastani) 108.4s
#28	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	3.0	$0.310	0/1	103.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.310 Muda wa majibu (wastani) 103.8s
#33	Qwen3.5 Plus 2026-04-20 medium	Qwen	1	3.0	$0.317	0/1	92.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.317 Muda wa majibu (wastani) 92.6s
#25	Qwen3.7 Plus medium	Qwen	1	3.0	$0.177	0/1	91.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.177 Muda wa majibu (wastani) 91.1s
#88	Gemma 4 31B medium	Google	1	3.0	$0.033	0/1	90.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.033 Muda wa majibu (wastani) 90.1s
#29	Qwen3.5-27B medium	Qwen	1	3.0	$0.536	0/1	85.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.536 Muda wa majibu (wastani) 85.1s

Chuja miundo

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

Maarifa ya jumla: Jibu lisilo sahihi

Chuja miundo

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