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: Muda wa majibu (wastani) ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

1204

Modeli iliyoathirika zaidi

Mistral Small 4 15

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)
#10	Claude Opus 4.8 medium	Anthropic	3	8.7	17/21	9.66s
#84	Grok 4.20 Multi Agent Beta medium	X AI	4	6.6	8/18	9.69s
#13	Grok 4.20 Beta medium	X AI	3	8.5	14/18	9.75s
#6	GPT-5.5 low	OpenAI	3	9.0	18/21	9.76s
#121	Owl Alpha none	Openrouter	10	5.5	7/21	9.88s
#20	Gemini 3.5 Flash none	Google	3	8.1	15/21	9.93s
#79	Hunter Alpha medium	OpenRouter	4	6.7	8/18	10.3s
#111	Owl Alpha medium	Openrouter	10	5.7	8/21	11.9s
#70	GPT-5.4 Nano medium	OpenAI	8	7.0	11/21	12.0s
#113	DeepSeek V4 Pro none	DeepSeek	10	5.7	7/21	12.4s
#156	Hy3 preview none	Tencent	8	4.4	4/21	12.9s
#135	Kimi K2.5 none	Moonshot AI	15	5.2	6/21	13.2s
#124	Kimi K2.6 none	Moonshot AI	11	5.5	7/21	13.3s
#133	DeepSeek V3.2 none	DeepSeek	7	5.2	6/21	13.8s
#92	Laguna M.1 medium	Poolside	4	6.4	9/19	14.7s

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)