Kushindwa kwa AI BENCHY
Kushindwa kwa Jibu lisilo sahihi
Ona ni modeli gani za AI hukutana na Jibu lisilo sahihi mara nyingi zaidi ili utambue hatari za utegemevu kabla ya kuchagua. Panga kwa: Alama ↑.
Kategoria
Katika kategoria Mahususi kwa domeni182 Katika kategoria Mbinu za kupinga AI165 Katika kategoria Utatuzi wa mafumbo85 Katika kategoria Ufuataji wa maagizo44 Katika kategoria Mchanganyiko37 Katika kategoria Uandishi wa msimbo28 Katika kategoria Uchanganuzi na uchimbaji wa data19 Katika kategoria Akili ya jumla10 Katika kategoria Mwito wa zana2
| Nafasi | Modeli | Kampuni | Idadi ya Jibu lisilo sahihi | Alama | Majaribio sahihi | Muda wa majibu (wastani) |
|---|---|---|---|---|---|---|
| #8 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 2 | 8.5 | 14/18 | 46.6s |
| #7 | GPT-5.3-Codex medium | OpenAI | 3 | 8.6 | 13/18 | 15.4s |
| #6 | Seed-2.0-Lite medium | Bytedance Seed | 3 | 8.6 | 13/18 | 30.4s |
| #5 | Gemini 3 Flash Preview low | 3 | 8.8 | 15/18 | 6.01s | |
| #4 | Claude Opus 4.7 none | Anthropic | 2 | 9.2 | 16/18 | 3.13s |
| #3 | Claude Opus 4.7 medium | Anthropic | 1 | 9.2 | 16/18 | 3.53s |
| #2 | Gemini 3.1 Pro Preview medium | 1 | 9.6 | 17/18 | 16.0s |