AI BENCHY श्रेणी विफलताएँ
संयुक्त
गलत उत्तर
संयुक्त
गलत उत्तर
देखें कि संयुक्त में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें। क्रमबद्ध करें: प्रतिक्रिया समय (औसत) ↓.
संबंधित विफलता कारण
| रैंक | मॉडल | कंपनी | गलत उत्तर संख्या | श्रेणी स्कोर | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|
| #42 | Qwen3.5-35B-A3B none | Qwen | 1 | 10.0 | 0/1 | 47.4s |
| #40 | Qwen3.5-122B-A10B none | Qwen | 1 | 10.0 | 0/1 | 46.0s |
| #48 | Qwen3 Coder Next none | Qwen | 1 | 10.0 | 0/1 | 45.1s |
| #46 | Kimi K2.5 none | Moonshot AI | 1 | 10.0 | 0/1 | 19.2s |
| #17 | Gemini 3.1 Flash Lite Preview low | 1 | 10.0 | 0/1 | 11.9s | |
| #6 | Gemini 3 Pro Preview medium | 1 | 10.0 | 0/1 | 10.4s | |
| #41 | Qwen3.5-27B none | Qwen | 1 | 10.0 | 0/1 | 9.39s |
| #45 | Trinity Large Preview none | Arcee AI | 1 | 10.0 | 0/1 | 8.91s |
| #47 | GPT-4o-mini none | OpenAI | 1 | 10.0 | 0/1 | 7.58s |
| #29 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 10.0 | 0/1 | 6.65s |
| #37 | Qwen3.5-Flash none | Qwen | 1 | 10.0 | 0/1 | 6.22s |
| #31 | GLM 5 none | Z.ai | 1 | 10.0 | 0/1 | 4.98s |
| #38 | Gemini 2.5 Flash none | 1 | 10.0 | 0/1 | 4.39s | |
| #50 | Qwen3 Coder Next medium | Qwen | 1 | 10.0 | 0/1 | 4.28s |
| #20 | Gemini 3 Flash Preview none | 1 | 10.0 | 0/1 | 3.56s | |
| #53 | Grok 4.1 Fast none | X AI | 1 | 10.0 | 0/1 | 3.33s |
| #5 | Gemini 3 Flash Preview low | 1 | 10.0 | 0/1 | 3.27s | |
| #22 | Gemini 3.1 Flash Lite Preview none | 1 | 10.0 | 0/1 | 3.20s | |
| #44 | GPT-5.4 none | OpenAI | 1 | 10.0 | 0/1 | 2.89s |
| #54 | MiMo-V2-Flash none | Xiaomi | 1 | 10.0 | 0/1 | 2.87s |
| #51 | Mercury 2 none | Inception | 1 | 10.0 | 0/1 | 606ms |