إخفاقات الفئات في AI BENCHY
البرمجة: إجابة خاطئة
البرمجة
إجابة خاطئة
اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور إجابة خاطئة في البرمجة، حتى ترصد نقاط الضعف بسرعة أكبر.
| الترتيب | النموذج | الشركة | عدد إجابة خاطئة | درجة الفئة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|
| #59 | Qwen3.6 Flash medium | Qwen | 2 | 5.1 | 0/2 | 51.9s |
| #66 | Qwen3.6 Max Preview none | Qwen | 2 | 4.2 | 0/2 | 3.06s |
| #77 | Grok 4.20 medium | X AI | 2 | 4.1 | 0/2 | 65.1s |
| #88 | Qwen3.5 Plus 2026-02-15 none | Qwen | 2 | 4.9 | 0/2 | 2.54s |
| #89 | GLM 5 none | Z.ai | 2 | 4.6 | 0/2 | 5.18s |
| #94 | GPT-5 Nano medium | OpenAI | 2 | 5.4 | 0/2 | 47.8s |
| #95 | DeepSeek V4 Pro none | DeepSeek | 2 | 5.4 | 0/2 | 8.27s |
| #109 | GLM 4.7 Flash none | Z.ai | 2 | 5.0 | 0/2 | 3.35s |
| #111 | gpt-oss-120b medium | OpenAI | 2 | 3.9 | 0/2 | 47.2s |
| #113 | GLM 5.1 none | Z.ai | 2 | 4.3 | 0/2 | 6.33s |
| #121 | Mistral Small 4 medium | Mistral | 2 | 5.1 | 0/2 | 44.8s |
| #124 | Qwen3.5-122B-A10B none | Qwen | 2 | 4.0 | 0/2 | 2.14s |
| #125 | GLM 5 Turbo none | Z.ai | 2 | 4.4 | 0/2 | 2.58s |
| #131 | DeepSeek V4 Flash none | DeepSeek | 2 | 4.8 | 0/2 | 24.5s |
| #132 | Qwen3 Coder Next none | Qwen | 2 | 5.4 | 0/2 | 2.01s |