AI BENCHY
قارن الرسوم البيانية المنهجية
❤️ Made by XCS
Your ad here

إخفاقات الفئات في AI BENCHY

حل الألغاز
إجابة خاطئة

اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور إجابة خاطئة في حل الألغاز، حتى ترصد نقاط الضعف بسرعة أكبر.

النماذج المعروضة

38

إجمالي الإخفاقات

55

النموذج الأكثر تأثرًا

Kimi K2.5 3
الترتيب النموذج الشركة عدد إجابة خاطئة درجة الفئة اختبارات صحيحة زمن الاستجابة (المتوسط)
#46 Kimi K2.5 none Moonshot AI 3 10.0 0/3 4.73s
#47 GPT-4o-mini none OpenAI 3 2.3 0/3 1.30s
#48 Qwen3 Coder Next none Qwen 3 1.3 0/3 22.9s
#51 Mercury 2 none Inception 3 10.0 0/3 533ms
#53 Grok 4.1 Fast none X AI 3 1.3 0/3 1.28s
#54 MiMo-V2-Flash none Xiaomi 3 10.0 0/3 1.38s
#37 Qwen3.5-Flash none Qwen 2 1.3 0/3 5.90s
#40 Qwen3.5-122B-A10B none Qwen 2 4.0 1/3 982ms
#42 Qwen3.5-35B-A3B none Qwen 2 1.7 0/3 1.34s
#45 Trinity Large Preview none Arcee AI 2 4.0 1/3 3.30s
#52 GLM 4.7 Flash medium Z.ai 2 10.0 0/3 12.9s
#8 Gemini 3.1 Flash Lite Preview high Google 1 7.0 2/3 46.3s
#12 Gemini 3.1 Flash Lite Preview medium Google 1 7.0 2/3 3.58s
#13 Step 3.5 Flash medium Stepfun 1 4.0 1/3 7.72s
#15 GPT-5.2 Chat none OpenAI 1 7.0 2/3 4.42s
#16 Gemini 2.5 Flash medium Google 1 7.0 2/3 3.94s
#18 DeepSeek V3.2 medium DeepSeek 1 7.0 2/3 36.9s
#20 Gemini 3 Flash Preview none Google 1 7.0 2/3 1.06s
#21 MiMo-V2-Flash medium Xiaomi 1 7.0 2/3 3.77s
#23 Seed-2.0-Mini medium Bytedance Seed 1 7.0 2/3 25.9s
#26 Claude Opus 4.6 medium Anthropic 1 7.0 2/3 4.60s
#28 Kimi K2.5 medium Moonshot AI 1 4.0 1/3 45.4s
#29 Qwen3.5 Plus 2026-02-15 none Qwen 1 7.0 2/3 2.82s
#30 Grok 4.1 Fast medium X AI 1 4.0 1/3 8.08s
#31 GLM 5 none Z.ai 1 7.0 2/3 2.05s
#32 GPT-5 Mini medium OpenAI 1 4.3 1/3 14.1s
#33 DeepSeek V3.2 none DeepSeek 1 7.7 2/3 7.37s
#34 GPT-5 Nano medium OpenAI 1 4.0 1/3 19.8s
#35 Qwen3.5-35B-A3B medium Qwen 1 4.0 1/3 31.6s
#36 Mercury 2 medium Inception 1 1.7 0/3 934ms
#38 Gemini 2.5 Flash none Google 1 4.7 1/3 576ms
#39 gpt-oss-120b medium OpenAI 1 1.7 0/3 11.8s
#41 Qwen3.5-27B none Qwen 1 6.3 1/3 1.37s
#43 MiniMax M2.5 medium Minimax 1 4.0 1/3 11.5s
#44 GPT-5.4 none OpenAI 1 4.0 1/3 1.52s
#49 GLM 4.7 Flash none Z.ai 1 3.7 0/3 1.00s
#50 Qwen3 Coder Next medium Qwen 1 10.0 0/3 2.30s
#55 LFM2-24B-A2B none Liquid 1 3.3 0/3 1.69s

أفضل النماذج حسب عدد إجابة خاطئة

عدد إجابة خاطئة مقابل متوسط الدرجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)

أفضل النماذج حسب التكلفة المهدرة التقديرية