إخفاقات الفئات في AI BENCHY
مجمّع
إجابة خاطئة
مجمّع
إجابة خاطئة
اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور إجابة خاطئة في مجمّع، حتى ترصد نقاط الضعف بسرعة أكبر. الترتيب حسب: عدد الإخفاقات ↑.
أسباب الإخفاق المرتبطة
| الترتيب | النموذج | الشركة | عدد إجابة خاطئة | درجة الفئة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|
| #5 | Gemini 3 Flash Preview low | 1 | 10.0 | 0/1 | 3.27s | |
| #6 | Gemini 3 Pro Preview medium | 1 | 10.0 | 0/1 | 10.4s | |
| #17 | Gemini 3.1 Flash Lite Preview low | 1 | 10.0 | 0/1 | 11.9s | |
| #20 | Gemini 3 Flash Preview none | 1 | 10.0 | 0/1 | 3.56s | |
| #22 | Gemini 3.1 Flash Lite Preview none | 1 | 10.0 | 0/1 | 3.20s | |
| #29 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 10.0 | 0/1 | 6.65s |
| #31 | GLM 5 none | Z.ai | 1 | 10.0 | 0/1 | 4.98s |
| #37 | Qwen3.5-Flash none | Qwen | 1 | 10.0 | 0/1 | 6.22s |
| #38 | Gemini 2.5 Flash none | 1 | 10.0 | 0/1 | 4.39s | |
| #40 | Qwen3.5-122B-A10B none | Qwen | 1 | 10.0 | 0/1 | 46.0s |
| #41 | Qwen3.5-27B none | Qwen | 1 | 10.0 | 0/1 | 9.39s |
| #42 | Qwen3.5-35B-A3B none | Qwen | 1 | 10.0 | 0/1 | 47.4s |
| #44 | GPT-5.4 none | OpenAI | 1 | 10.0 | 0/1 | 2.89s |
| #45 | Trinity Large Preview none | Arcee AI | 1 | 10.0 | 0/1 | 8.91s |
| #46 | Kimi K2.5 none | Moonshot AI | 1 | 10.0 | 0/1 | 19.2s |
| #47 | GPT-4o-mini none | OpenAI | 1 | 10.0 | 0/1 | 7.58s |
| #48 | Qwen3 Coder Next none | Qwen | 1 | 10.0 | 0/1 | 45.1s |
| #50 | Qwen3 Coder Next medium | Qwen | 1 | 10.0 | 0/1 | 4.28s |
| #51 | Mercury 2 none | Inception | 1 | 10.0 | 0/1 | 606ms |
| #53 | Grok 4.1 Fast none | X AI | 1 | 10.0 | 0/1 | 3.33s |
| #54 | MiMo-V2-Flash none | Xiaomi | 1 | 10.0 | 0/1 | 2.87s |