पहेली समाधान x समय समाप्त रैंकिंग

AI BENCHY श्रेणी विफलताएँ

देखें कि पहेली समाधान में किन AI मॉडलों में समय समाप्त आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें। क्रमबद्ध करें: विफलता संख्या ↑.

दिखाए गए मॉडल

कुल विफलताएँ

सबसे अधिक प्रभावित मॉडल

Qwen3.5-Flash 1

विफलता के कारण

गलत उत्तर147 निर्देशों का पालन नहीं किया78 API त्रुटि13 अतिरिक्त फॉर्मेटिंग5 समय समाप्त5 कोई उत्तर नहीं1

श्रेणियाँ

डोमेन-विशिष्ट34 कोडिंग23 पहेली समाधान5 Samanya Buddhimatta4 एंटी-एआई ट्रिक्स4 संयुक्त2 डेटा पार्सिंग और निष्कर्षण1

रैंक	मॉडल	कंपनी	समय समाप्त संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#49	Qwen3.5-Flash medium	Qwen	1	8.2	2/3	27.6s
#66	Qwen3.5-35B-A3B medium	Qwen	1	8.2	2/3	33.1s
#129	MiniMax M2.5 medium	Minimax	1	5.3	1/3	11.2s
#161	Qwen3.5-9B medium	Qwen	2	3.0	0/3	32.3s

समय समाप्त संख्या के अनुसार शीर्ष मॉडल

समय समाप्त संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल

पहेली समाधान: समय समाप्त

समय समाप्त संख्या के अनुसार शीर्ष मॉडल

समय समाप्त संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल