AI BENCHY
তুলনা করুন চার্ট Poddhoti
❤️ Made by XCS
Your ad here

AI BENCHY বিভাগীয় ব্যর্থতা

ধাঁধা সমাধান
ভুল উত্তর

দেখুন ধাঁধা সমাধান এ কোন AI মডেলগুলোর ভুল উত্তর হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়। সাজান: প্রতিক্রিয়া সময় (গড়) ↓.

দেখানো মডেল

38

মোট ব্যর্থতা

55

সবচেয়ে বেশি প্রভাবিত মডেল

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

ভুল উত্তর সংখ্যা অনুযায়ী শীর্ষ মডেল

ভুল উত্তর সংখ্যা বনাম গড় স্কোর

প্রতিক্রিয়া সময় (গড়) অনুযায়ী শীর্ষ মডেল

আনুমানিক অপচয় হওয়া খরচ অনুযায়ী শীর্ষ মডেল