AI BENCHY श्रेणी विफलताएँ
पहेली समाधान: गलत उत्तर
पहेली समाधान
गलत उत्तर
देखें कि पहेली समाधान में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें।
विफलता के कारण
| रैंक | मॉडल | कंपनी | गलत उत्तर संख्या | श्रेणी स्कोर | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|
| #76 | Kimi K2.5 none | Moonshot AI | 3 | 3.1 | 0/3 | 4.73s |
| #87 | Qwen3 Coder Next none | Qwen | 3 | 3.2 | 0/3 | 22.9s |
| #89 | GPT-4o-mini none | OpenAI | 3 | 3.7 | 0/3 | 1.30s |
| #91 | Mercury 2 none | Inception | 3 | 3.1 | 0/3 | 533ms |
| #94 | MiMo-V2-Flash none | Xiaomi | 3 | 3.6 | 0/3 | 1.38s |
| #95 | Grok 4.1 Fast none | X AI | 3 | 3.2 | 0/3 | 1.28s |
| #59 | Qwen3.5-Flash none | Qwen | 2 | 3.3 | 0/3 | 5.90s |
| #61 | Seed-2.0-Lite none | Bytedance Seed | 2 | 5.2 | 1/3 | 2.46s |
| #63 | Qwen3.5-35B-A3B none | Qwen | 2 | 3.9 | 0/3 | 1.34s |
| #70 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.4 | 1/3 | 982ms |
| #78 | Trinity Large Preview none | Arcee AI | 2 | 5.4 | 1/3 | 3.30s |
| #85 | Elephant none | Openrouter | 2 | 3.3 | 0/3 | 849ms |
| #93 | GLM 4.7 Flash medium | Z.ai | 2 | 2.9 | 0/3 | 12.9s |
| #96 | GPT-5.4 Nano none | OpenAI | 2 | 3.7 | 0/3 | 1.29s |
| #11 | Gemini 3.1 Flash Lite Preview high | 1 | 7.7 | 2/3 | 46.3s |