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

Kimi K2.5 5

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)
#76	Kimi K2.5 medium	Moonshot AI	5	6.8	10/21	98.4s
#161	Qwen3.5-9B medium	Qwen	2	4.2	3/21	82.2s
#73	Seed-2.0-Mini medium	Bytedance Seed	4	6.9	11/21	80.2s
#25	Qwen3.5 Plus 2026-02-15 medium	Qwen	4	7.9	14/21	73.8s
#66	Qwen3.5-35B-A3B medium	Qwen	2	7.1	11/21	72.6s
#62	Step 3.5 Flash medium	Stepfun	4	7.2	11/20	72.5s
#60	Kimi K2.6 medium	Moonshot AI	3	7.2	12/21	71.7s
#72	DeepSeek V3.2 medium	DeepSeek	5	7.0	11/21	68.7s
#30	Qwen3.5-27B medium	Qwen	4	7.8	13/21	68.4s
#67	MiniMax M3 medium	Minimax	3	7.1	11/21	68.2s
#12	Gemini 3.1 Flash Lite Preview high	Google	2	8.6	13/16	68.1s
#129	MiniMax M2.5 medium	Minimax	7	5.3	5/21	65.4s
#103	DeepSeek V4 Pro high	DeepSeek	4	6.0	8/21	65.2s
#71	Step 3.7 Flash high	Stepfun	6	7.0	11/21	64.5s
#37	Gemma 4 26B A4B medium	Google	3	7.6	14/21	63.4s

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)