Orodha ya kushindwa kwa Muundo wa ziada

Kushindwa kwa AI BENCHY

Ona ni modeli gani za AI hukutana na Muundo wa ziada mara nyingi zaidi ili utambue hatari za utegemevu kabla ya kuchagua. Panga kwa: Jumla ya gharama ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Grok 4.20 Multi Agent Beta 2

Kategoria

Katika kategoria Mbinu za kupinga AI18 Katika kategoria Mahususi kwa domeni13 Katika kategoria Uandishi wa msimbo11 Katika kategoria Uchanganuzi na uchimbaji wa data4 Katika kategoria Utatuzi wa mafumbo4 Katika kategoria Ufuataji wa maagizo2 Katika kategoria Mchanganyiko1

32/32

Nafasi	Modeli	Kampuni	Idadi ya Muundo wa ziada	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#76	MiMo-V2.5 medium	Xiaomi	2	6.7	$0.063	12/21	27.1s
Jumla ya majaribio 21 Majaribio yenye makosa 9 Jumla ya gharama $0.063 Muda wa majibu (wastani) 27.1s
#155	Grok 4.20 none	X AI	1	4.4	$0.057	6/18	1.11s
Jumla ya majaribio 18 Majaribio yenye makosa 12 Jumla ya gharama $0.057 Muda wa majibu (wastani) 1.11s
#62	MiMo-V2-Flash medium	Xiaomi	1	7.1	$0.043	12/21	20.1s
Jumla ya majaribio 21 Majaribio yenye makosa 9 Jumla ya gharama $0.043 Muda wa majibu (wastani) 20.1s
#165	Qwen3.5-9B medium	Qwen	1	3.8	$0.036	3/21	82.2s
Jumla ya majaribio 21 Majaribio yenye makosa 18 Jumla ya gharama $0.036 Muda wa majibu (wastani) 82.2s
#58	DeepSeek V4 Pro none	DeepSeek	1	7.2	$0.034	10/21	6.41s
Jumla ya majaribio 21 Majaribio yenye makosa 11 Jumla ya gharama $0.034 Muda wa majibu (wastani) 6.41s
#159	MiMo-V2-Flash none	Xiaomi	1	4.3	$0.025	4/21	2.76s
Jumla ya majaribio 21 Majaribio yenye makosa 17 Jumla ya gharama $0.025 Muda wa majibu (wastani) 2.76s
#114	Mimo V2 Omni none	Xiaomi	1	5.7	$0.021	8/21	2.44s
Jumla ya majaribio 21 Majaribio yenye makosa 13 Jumla ya gharama $0.021 Muda wa majibu (wastani) 2.44s
#126	DeepSeek V3.2 none	DeepSeek	2	5.3	$0.017	6/21	13.8s
Jumla ya majaribio 21 Majaribio yenye makosa 15 Jumla ya gharama $0.017 Muda wa majibu (wastani) 13.8s
#130	Qwen3 Coder Next none	Qwen	1	5.1	$0.009	5/21	8.62s
Jumla ya majaribio 21 Majaribio yenye makosa 16 Jumla ya gharama $0.009 Muda wa majibu (wastani) 8.62s
#117	DeepSeek V4 Flash none	DeepSeek	2	5.5	$0.007	5/21	26.8s
Jumla ya majaribio 21 Majaribio yenye makosa 16 Jumla ya gharama $0.007 Muda wa majibu (wastani) 26.8s
#134	MiMo-V2.5 none	Xiaomi	1	5.1	$0.007	5/21	2.20s
Jumla ya majaribio 21 Majaribio yenye makosa 16 Jumla ya gharama $0.007 Muda wa majibu (wastani) 2.20s
#163	Granite 4.1 8B none	IBM Granite	1	4.0	$0.003	2/21	728ms
Jumla ya majaribio 21 Majaribio yenye makosa 19 Jumla ya gharama $0.003 Muda wa majibu (wastani) 728ms
#158	Hy3 preview none	Tencent	1	4.3	$0.003	4/21	12.9s
Jumla ya majaribio 21 Majaribio yenye makosa 17 Jumla ya gharama $0.003 Muda wa majibu (wastani) 12.9s
#107	North Mini Code medium	Cohere	2	5.8	$0.000	9/21	106.2s
Jumla ya majaribio 21 Majaribio yenye makosa 12 Jumla ya gharama $0.000 Muda wa majibu (wastani) 106.2s
#110	Owl Alpha none	Openrouter	1	5.8	$0.000	7/21	9.88s
Jumla ya majaribio 21 Majaribio yenye makosa 14 Jumla ya gharama $0.000 Muda wa majibu (wastani) 9.88s

Kushindwa kwa Muundo wa ziada

Chuja miundo

Modeli bora kwa Idadi ya Muundo wa ziada

Idadi ya Muundo wa ziada dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)