AI BENCHY श्रेणी विफलताएँ
कोडिंग: गलत उत्तर
कोडिंग
गलत उत्तर
देखें कि कोडिंग में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें। क्रमबद्ध करें: सही परीक्षण ↓.
विफलता के कारण
| रैंक | मॉडल | कंपनी | गलत उत्तर संख्या | श्रेणी स्कोर | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|
| #1 | Gemini 3 Flash Preview medium | 1 | 7.9 | 1/2 | 96.0s | |
| #3 | Gemini 3.5 Flash low | 1 | 6.8 | 1/2 | 5.54s | |
| #4 | Gemini 3.1 Pro Preview medium | 1 | 7.0 | 1/2 | 54.3s | |
| #9 | Gemini 3.5 Flash none | 1 | 8.2 | 1/2 | 39.6s | |
| #11 | GPT-5.5 medium | OpenAI | 1 | 8.2 | 1/2 | 69.7s |
| #12 | Gemini 3 Flash Preview low | 1 | 7.3 | 1/2 | 6.66s | |
| #14 | Qwen3.6 Max Preview medium | Qwen | 1 | 8.2 | 1/2 | 178.0s |
| #20 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 7.6 | 1/2 | 193.8s |
| #21 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 7.0 | 1/2 | 107.7s |
| #25 | Qwen3.5-27B medium | Qwen | 1 | 7.0 | 1/2 | 123.9s |
| #26 | Qwen3.7 Max none | Qwen | 1 | 6.8 | 1/2 | 1.39s |
| #27 | GPT-5.4 medium | OpenAI | 1 | 8.2 | 1/2 | 55.0s |
| #34 | Gemini 3.1 Flash Lite Preview medium | 1 | 6.8 | 1/2 | 3.98s | |
| #35 | Gemini 3.1 Flash Lite medium | 1 | 6.8 | 1/2 | 3.59s | |
| #36 | Gemini 2.5 Flash medium | 1 | 6.6 | 1/2 | 54.6s |