AI BENCHY
قارن الرسوم البيانية المنهجية
❤️ Made by XCS
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

إخفاقات الفئات في AI BENCHY

خاص بالمجال
إجابة خاطئة

اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور إجابة خاطئة في خاص بالمجال، حتى ترصد نقاط الضعف بسرعة أكبر. الترتيب حسب: اختبارات صحيحة ↓.

النماذج المعروضة

53

إجمالي الإخفاقات

98

النموذج الأكثر تأثرًا

Gemini 3.1 Pro Preview 1
الترتيب النموذج الشركة عدد إجابة خاطئة درجة الفئة اختبارات صحيحة زمن الاستجابة (المتوسط)
#2 Gemini 3.1 Pro Preview medium Google 1 7.0 2/3 32.7s
#20 Gemini 3 Flash Preview none Google 1 7.0 2/3 963ms
#25 Claude Sonnet 4.6 none Anthropic 1 7.0 2/3 3.54s
#37 Qwen3.5-Flash none Qwen 1 7.0 2/3 905ms
#42 Qwen3.5-35B-A3B none Qwen 1 7.0 2/3 485ms
#49 GLM 4.7 Flash none Z.ai 1 7.0 2/3 744ms
#3 GPT-5.3-Codex medium OpenAI 2 4.0 1/3 64.3s
#4 Qwen3.5 Plus 2026-02-15 medium Qwen 1 4.0 1/3 17.5s
#5 Gemini 3 Flash Preview low Google 2 4.0 1/3 8.05s
#6 Gemini 3 Pro Preview medium Google 2 4.0 1/3 7.01s
#7 Qwen3.5-27B medium Qwen 1 4.0 1/3 79.5s
#8 Gemini 3.1 Flash Lite Preview high Google 2 4.0 1/3 127.6s
#9 GPT-5.4 medium OpenAI 2 4.0 1/3 74.3s
#13 Step 3.5 Flash medium Stepfun 2 4.0 1/3 170.5s
#15 GPT-5.2 Chat none OpenAI 2 4.0 1/3 17.8s
#16 Gemini 2.5 Flash medium Google 2 4.0 1/3 37.3s
#17 Gemini 3.1 Flash Lite Preview low Google 2 4.0 1/3 2.36s
#18 DeepSeek V3.2 medium DeepSeek 1 4.0 1/3 39.3s
#21 MiMo-V2-Flash medium Xiaomi 2 4.0 1/3 96.0s
#22 Gemini 3.1 Flash Lite Preview none Google 2 4.0 1/3 942ms
#24 Qwen3.5-Flash medium Qwen 1 4.0 1/3 146.5s
#27 GPT-5.2 medium OpenAI 1 4.0 1/3 77.8s
#29 Qwen3.5 Plus 2026-02-15 none Qwen 2 4.0 1/3 1.17s
#30 Grok 4.1 Fast medium X AI 1 4.0 1/3 121.8s
#34 GPT-5 Nano medium OpenAI 1 4.0 1/3 204.0s
#38 Gemini 2.5 Flash none Google 2 4.0 1/3 495ms
#40 Qwen3.5-122B-A10B none Qwen 2 4.0 1/3 465ms
#44 GPT-5.4 none OpenAI 2 4.0 1/3 1.07s
#45 Trinity Large Preview none Arcee AI 2 4.0 1/3 877ms
#46 Kimi K2.5 none Moonshot AI 2 4.0 1/3 4.38s
#48 Qwen3 Coder Next none Qwen 2 4.0 1/3 962ms
#50 Qwen3 Coder Next medium Qwen 2 4.0 1/3 638ms
#51 Mercury 2 none Inception 2 4.0 1/3 534ms
#53 Grok 4.1 Fast none X AI 2 4.0 1/3 1.06s
#54 MiMo-V2-Flash none Xiaomi 2 4.0 1/3 564ms
#55 LFM2-24B-A2B none Liquid 1 4.0 1/3 287ms
#10 Qwen3.5-122B-A10B medium Qwen 3 10.0 0/3 63.4s
#11 Claude Sonnet 4.6 medium Anthropic 1 10.0 0/3 0ms
#12 Gemini 3.1 Flash Lite Preview medium Google 3 10.0 0/3 4.21s
#14 GLM 5 medium Z.ai 2 10.0 0/3 0ms
#19 GPT-5.3 Chat none OpenAI 3 10.0 0/3 13.0s
#26 Claude Opus 4.6 medium Anthropic 1 10.0 0/3 83.4s
#28 Kimi K2.5 medium Moonshot AI 2 10.0 0/3 137.3s
#31 GLM 5 none Z.ai 3 10.0 0/3 2.24s
#32 GPT-5 Mini medium OpenAI 2 10.0 0/3 44.6s
#33 DeepSeek V3.2 none DeepSeek 3 10.0 0/3 1.61s
#35 Qwen3.5-35B-A3B medium Qwen 1 10.0 0/3 88.3s
#36 Mercury 2 medium Inception 3 10.0 0/3 6.48s
#39 gpt-oss-120b medium OpenAI 3 10.0 0/3 50.9s
#41 Qwen3.5-27B none Qwen 3 10.0 0/3 540ms
#43 MiniMax M2.5 medium Minimax 2 10.0 0/3 237.3s
#47 GPT-4o-mini none OpenAI 3 10.0 0/3 637ms
#52 GLM 4.7 Flash medium Z.ai 2 10.0 0/3 174.6s

أفضل النماذج حسب عدد إجابة خاطئة

عدد إجابة خاطئة مقابل متوسط الدرجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)

أفضل النماذج حسب التكلفة المهدرة التقديرية