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: زمن الاستجابة (المتوسط) ↓.
أسباب الفشل
| الترتيب | النموذج | الشركة | عدد إجابة خاطئة | درجة الفئة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|
| #51 | Mimo V2 PRO medium | Xiaomi | 1 | 4.7 | 0/1 | 64.7s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.0 | 0/1 | 47.4s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.0 | 0/1 | 46.0s |
| #140 | Qwen3 Coder Next none | Qwen | 1 | 3.0 | 0/1 | 45.1s |
| #156 | Hy3 preview none | Tencent | 1 | 3.0 | 0/1 | 35.8s |
| #102 | Gemma 4 26B A4B none | 1 | 3.0 | 0/1 | 30.5s | |
| #132 | Mistral Small 4 medium | Mistral | 1 | 3.0 | 0/1 | 25.3s |
| #159 | Ling-2.6-1T none | Inclusionai | 1 | 3.0 | 0/1 | 23.5s |
| #121 | Owl Alpha none | Openrouter | 1 | 3.0 | 0/1 | 21.7s |
| #74 | Qwen3.6 Max Preview none | Qwen | 1 | 3.0 | 0/1 | 20.5s |
| #135 | Kimi K2.5 none | Moonshot AI | 1 | 2.8 | 0/1 | 19.2s |
| #141 | Nemotron 3 Super none | NVIDIA | 1 | 3.0 | 0/1 | 16.4s |
| #107 | Laguna Xs.2 medium | Poolside | 1 | 3.0 | 0/1 | 15.9s |
| #116 | Hunter Alpha none | OpenRouter | 1 | 3.0 | 0/1 | 15.2s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 2.8 | 0/1 | 13.3s |