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

إخفاقات AI BENCHY

إخفاقات إجابة خاطئة

اكتشف أي نماذج الذكاء الاصطناعي تواجه إجابة خاطئة أكثر من غيرها، حتى ترى مخاطر الاعتمادية قبل الاختيار. الترتيب حسب: زمن الاستجابة (المتوسط) ↑.

النماذج المعروضة

54

إجمالي الإخفاقات

275

النموذج الأكثر تأثرًا

Mercury 2 11
الترتيب النموذج الشركة عدد إجابة خاطئة متوسط الدرجة اختبارات صحيحة زمن الاستجابة (المتوسط)
#51 Mercury 2 none Inception 11 3.4 4/16 596ms
#55 LFM2-24B-A2B none Liquid 9 2.6 1/16 811ms
#38 Gemini 2.5 Flash none Google 9 5.2 6/16 923ms
#22 Gemini 3.1 Flash Lite Preview none Google 4 7.1 10/16 1.33s
#44 GPT-5.4 none OpenAI 9 4.5 6/16 1.48s
#20 Gemini 3 Flash Preview none Google 5 7.2 11/16 1.75s
#41 Qwen3.5-27B none Qwen 9 4.9 5/16 1.75s
#53 Grok 4.1 Fast none X AI 11 2.9 3/16 1.90s
#47 GPT-4o-mini none OpenAI 11 4.0 4/16 2.07s
#36 Mercury 2 medium Inception 5 5.3 7/16 2.36s
#29 Qwen3.5 Plus 2026-02-15 none Qwen 7 6.2 9/16 2.65s
#54 MiMo-V2-Flash none Xiaomi 10 2.9 3/16 2.97s
#49 GLM 4.7 Flash none Z.ai 9 3.9 4/16 2.99s
#45 Trinity Large Preview none Arcee AI 9 4.2 5/16 3.15s
#17 Gemini 3.1 Flash Lite Preview low Google 4 7.3 11/16 3.36s
#37 Qwen3.5-Flash none Qwen 8 5.2 7/16 3.54s
#40 Qwen3.5-122B-A10B none Qwen 9 5.0 6/16 3.72s
#12 Gemini 3.1 Flash Lite Preview medium Google 4 7.5 11/16 3.83s
#31 GLM 5 none Z.ai 7 6.0 9/16 4.03s
#42 Qwen3.5-35B-A3B none Qwen 8 4.7 6/16 4.10s
#25 Claude Sonnet 4.6 none Anthropic 2 6.8 10/16 5.57s
#19 GPT-5.3 Chat none OpenAI 4 7.3 10/16 5.96s
#5 Gemini 3 Flash Preview low Google 3 8.2 13/16 6.11s
#15 GPT-5.2 Chat none OpenAI 4 7.4 11/16 7.03s
#6 Gemini 3 Pro Preview medium Google 3 8.2 13/16 7.15s
#11 Claude Sonnet 4.6 medium Anthropic 1 7.7 12/16 11.2s
#48 Qwen3 Coder Next none Qwen 10 4.0 4/16 11.7s
#46 Kimi K2.5 none Moonshot AI 11 4.1 5/16 11.9s
#16 Gemini 2.5 Flash medium Google 4 7.4 11/16 12.4s
#50 Qwen3 Coder Next medium Qwen 8 3.5 3/16 12.5s
#33 DeepSeek V3.2 none DeepSeek 6 5.5 7/16 12.9s
#27 GPT-5.2 medium OpenAI 1 6.5 10/16 15.3s
#14 GLM 5 medium Z.ai 2 7.4 11/16 16.2s
#3 GPT-5.3-Codex medium OpenAI 2 8.4 12/16 16.6s
#2 Gemini 3.1 Pro Preview medium Google 1 9.4 15/16 16.6s
#39 gpt-oss-120b medium OpenAI 5 5.1 7/16 16.7s
#9 GPT-5.4 medium OpenAI 2 8.0 12/16 20.1s
#26 Claude Opus 4.6 medium Anthropic 2 6.6 10/16 22.9s
#32 GPT-5 Mini medium OpenAI 3 6.0 8/16 25.1s
#21 MiMo-V2-Flash medium Xiaomi 3 7.2 11/16 25.3s
#30 Grok 4.1 Fast medium X AI 2 6.2 9/16 26.3s
#13 Step 3.5 Flash medium Stepfun 3 7.4 10/16 29.1s
#10 Qwen3.5-122B-A10B medium Qwen 3 7.7 12/16 29.7s
#4 Qwen3.5 Plus 2026-02-15 medium Qwen 1 8.3 13/16 34.5s
#52 GLM 4.7 Flash medium Z.ai 7 3.1 4/16 36.8s
#18 DeepSeek V3.2 medium DeepSeek 3 7.3 11/16 39.5s
#43 MiniMax M2.5 medium Minimax 5 4.7 5/16 43.0s
#35 Qwen3.5-35B-A3B medium Qwen 2 5.5 8/16 43.9s
#34 GPT-5 Nano medium OpenAI 5 5.5 7/16 47.9s
#7 Qwen3.5-27B medium Qwen 1 8.2 12/16 52.1s
#23 Seed-2.0-Mini medium Bytedance Seed 1 6.9 10/16 65.1s
#8 Gemini 3.1 Flash Lite Preview high Google 3 8.2 12/16 68.8s
#28 Kimi K2.5 medium Moonshot AI 3 6.4 9/16 69.8s
#24 Qwen3.5-Flash medium Qwen 1 6.9 10/16 70.8s

أفضل النماذج حسب عدد إجابة خاطئة

عدد إجابة خاطئة مقابل متوسط الدرجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)