إخفاقات الفئات في AI BENCHY
حل الألغاز: إجابة خاطئة
حل الألغاز
إجابة خاطئة
اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور إجابة خاطئة في حل الألغاز، حتى ترصد نقاط الضعف بسرعة أكبر.
| الترتيب | النموذج | الشركة | عدد إجابة خاطئة | درجة الفئة | اختبارات صحيحة | زمن الاستجابة (المتوسط) |
|---|---|---|---|---|---|---|
| #124 | Kimi K2.6 none | Moonshot AI | 2 | 3.1 | 0/3 | 1.40s |
| #127 | Grok 4.20 none | X AI | 2 | 5.3 | 1/3 | 473ms |
| #128 | Qwen3.6 Flash none | Qwen | 2 | 3.5 | 0/3 | 1.21s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 2 | 3.8 | 0/3 | 1.00s |
| #132 | Mistral Small 4 medium | Mistral | 2 | 3.4 | 0/3 | 2.17s |
| #137 | Elephant Alpha none | Openrouter | 2 | 4.2 | 0/3 | 807ms |
| #138 | Ling-2.6-flash none | Inclusionai | 2 | 2.9 | 0/3 | 6.51s |
| #142 | Mistral Small 4 none | Mistral | 2 | 3.1 | 0/3 | 399ms |
| #145 | Laguna M.1 none | Poolside | 2 | 3.0 | 0/3 | 891ms |
| #147 | GPT-4o-mini none | OpenAI | 2 | 3.5 | 0/3 | 1.21s |
| #149 | Nemotron 3 Nano Omni 30b A3b Reasoning medium | NVIDIA | 2 | 2.9 | 0/3 | 1.40s |
| #150 | Qwen3 Coder Next medium | Qwen | 2 | 3.0 | 0/3 | 1.25s |
| #151 | Trinity Large Preview none | Arcee AI | 2 | 3.6 | 0/3 | 1.97s |
| #152 | MiMo-V2-Flash none | Xiaomi | 2 | 5.3 | 1/3 | 1.86s |
| #154 | Qwen3.5-9B none | Qwen | 2 | 3.2 | 0/3 | 621ms |