AI BENCHY
Advertise here

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.

Modeli zilizoonyeshwa

13

Jumla ya kushindwa

1204

Modeli iliyoathirika zaidi

Mercury 2 16

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)
#69 Claude Opus 4.6 medium Anthropic 3 7.0 12/21 25.9s
#82 Hy3 preview high Tencent 3 6.6 11/21 56.6s
#3 Gemini 3.5 Flash low Google 2 9.4 19/21 3.27s
#4 Gemini 3.1 Pro Preview medium Google 2 9.4 19/21 20.1s
#7 Gemini 3.5 Flash medium Google 2 9.0 18/21 4.94s
#12 Gemini 3.1 Flash Lite Preview high Google 2 8.6 13/16 68.1s
#27 Gemma 4 31B medium Google 2 7.8 14/21 56.5s
#66 Qwen3.5-35B-A3B medium Qwen 2 7.1 11/21 72.6s
#93 Qwen3.6 Plus Preview medium Qwen 2 6.3 9/19 15.2s
#161 Qwen3.5-9B medium Qwen 2 4.2 3/21 82.2s
#1 Gemini 3 Flash Preview medium Google 1 9.8 20/21 18.6s
#2 Gemini 3.5 Flash high Google 1 9.6 20/21 8.84s
#83 Step 3.5 Flash none Stepfun 1 6.6 6/12 39.0s

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)