Orodha ya kushindwa kwa Jibu lisilo sahihi

Kushindwa kwa AI BENCHY

Ona ni modeli gani za AI hukutana na Jibu lisilo sahihi mara nyingi zaidi ili utambue hatari za utegemevu kabla ya kuchagua. Panga kwa: Idadi ya kushindwa ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

1204

Modeli iliyoathirika zaidi

Gemini 3 Flash Preview 1

Kategoria

Katika kategoria Mahususi kwa domeni314 Katika kategoria Mbinu za kupinga AI245 Katika kategoria Uandishi wa msimbo194 Katika kategoria Utatuzi wa mafumbo147 Katika kategoria Maarifa ya jumla130 Katika kategoria Ufuataji wa maagizo53 Katika kategoria Mchanganyiko52 Katika kategoria Uchanganuzi na uchimbaji wa data35 Katika kategoria Akili ya jumla32 Katika kategoria Mwito wa zana2

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama	Majaribio sahihi	Muda wa majibu (wastani)
#23	GLM 5 Turbo medium	Z.ai	4	8.0	14/21	23.0s
#25	Qwen3.5 Plus 2026-02-15 medium	Qwen	4	7.9	14/21	73.8s
#30	Qwen3.5-27B medium	Qwen	4	7.8	13/21	68.4s
#46	Qwen3.6 35B A3B medium	Qwen	4	7.4	13/21	18.1s
#49	Qwen3.5-Flash medium	Qwen	4	7.4	12/21	63.3s
#52	Claude Sonnet 4.6 medium	Anthropic	4	7.4	13/21	17.1s
#53	Gemini 3.1 Flash Lite high	Google	4	7.3	10/18	62.0s
#55	GLM 5.1 medium	Z.ai	4	7.3	12/21	33.7s
#62	Step 3.5 Flash medium	Stepfun	4	7.2	11/20	72.5s
#68	Claude Opus 4.8 none	Anthropic	4	7.0	12/21	3.47s
#73	Seed-2.0-Mini medium	Bytedance Seed	4	6.9	11/21	80.2s
#79	Hunter Alpha medium	OpenRouter	4	6.7	8/18	10.3s
#84	Grok 4.20 Multi Agent Beta medium	X AI	4	6.6	8/18	9.69s
#86	Grok 4.1 Fast medium	X AI	4	6.5	9/19	23.8s
#89	Hy3 preview low	Tencent	4	6.4	10/21	24.6s

Kushindwa kwa 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)