AI BENCHY
Advertise here

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।

दिखाए गए मॉडल

2

कुल विफलताएँ

147

सबसे अधिक प्रभावित मॉडल

Qwen3.5-Flash 3

विफलता के कारण

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

श्रेणियाँ

डोमेन-विशिष्ट314 एंटी-एआई ट्रिक्स245 कोडिंग194 पहेली समाधान147 सामान्य ज्ञान130 निर्देश पालन53 संयुक्त52 डेटा पार्सिंग और निष्कर्षण35 Samanya Buddhimatta32 टूल कॉलिंग2
रैंक मॉडल कंपनी गलत उत्तर संख्या श्रेणी स्कोर सही परीक्षण प्रतिक्रिया समय (औसत)
#161 Qwen3.5-9B medium Qwen 1 3.0 0/3 32.3s
#162 Nemotron 3 Nano Omni 30b A3b Reasoning none NVIDIA 1 3.0 0/3 532ms

गलत उत्तर संख्या के अनुसार शीर्ष मॉडल

गलत उत्तर संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल