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.
أسباب الفشل
| الترتيب | النموذج | الشركة | عدد إجابة خاطئة | درجة الفئة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|
| #101 | Mimo V2 Omni none | Xiaomi | 1 | 3.0 | 0/1 | 5.96s |
| #102 | Gemma 4 26B A4B none | 1 | 3.0 | 0/1 | 30.5s | |
| #104 | Nemotron 3 Ultra 550b A55b none | NVIDIA | 1 | 3.0 | 0/1 | 4.79s |
| #107 | Laguna Xs.2 medium | Poolside | 1 | 3.0 | 0/1 | 15.9s |
| #108 | Qwen3.5-Flash none | Qwen | 1 | 3.0 | 0/1 | 6.22s |
| #109 | GLM 5V Turbo none | Z.ai | 1 | 3.0 | 0/1 | 6.51s |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 1 | 3.0 | 0/1 | 6.59s |
| #111 | Owl Alpha medium | Openrouter | 1 | 3.0 | 0/1 | 10.0s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 2.8 | 0/1 | 13.3s |
| #115 | Qwen3.5-27B none | Qwen | 1 | 2.8 | 0/1 | 9.39s |
| #116 | Hunter Alpha none | OpenRouter | 1 | 3.0 | 0/1 | 15.2s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.0 | 0/1 | 47.4s |
| #120 | Mimo V2 PRO none | Xiaomi | 1 | 3.0 | 0/1 | 6.58s |
| #121 | Owl Alpha none | Openrouter | 1 | 3.0 | 0/1 | 21.7s |
| #124 | Kimi K2.6 none | Moonshot AI | 1 | 3.0 | 0/1 | 3.38s |