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) |
|---|---|---|---|---|---|---|
| #108 | Qwen3.5-Flash none | Qwen | 3 | 3.1 | 0/3 | 10.9s |
| #135 | Kimi K2.5 none | Moonshot AI | 3 | 3.0 | 0/3 | 4.04s |
| #140 | Qwen3 Coder Next none | Qwen | 3 | 3.0 | 0/3 | 24.3s |
| #155 | Mercury 2 none | Inception | 3 | 3.1 | 0/3 | 535ms |
| #157 | Grok 4.1 Fast none | X AI | 3 | 3.0 | 0/3 | 1.10s |
| #22 | Step 3.7 Flash medium | Stepfun | 2 | 5.7 | 1/3 | 6.19s |
| #41 | Nemotron 3 Ultra 550b A55b medium | NVIDIA | 2 | 5.5 | 1/3 | 3.54s |
| #57 | Step 3.7 Flash low | Stepfun | 2 | 5.5 | 1/3 | 1.84s |
| #70 | GPT-5.4 Nano medium | OpenAI | 2 | 4.1 | 0/3 | 3.79s |
| #71 | Step 3.7 Flash high | Stepfun | 2 | 5.3 | 1/3 | 10.2s |
| #105 | Nemotron 3 Super medium | NVIDIA | 2 | 3.0 | 0/3 | 3.15s |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 2 | 5.3 | 1/3 | 2.78s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 2 | 6.7 | 1/3 | 1.97s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 2 | 3.7 | 0/3 | 1.35s |
| #119 | Cobuddy medium | Baidu | 2 | 3.6 | 0/3 | 12.8s |