AI BENCHY श्रेणी
संयुक्त रैंकिंग
देखें कि संयुक्त में कौन से AI मॉडल सबसे अच्छा प्रदर्शन करते हैं, कौन से भरोसेमंद बने रहते हैं और सबसे बड़े अंतर कहाँ दिखाई देते हैं।
| रैंक | मॉडल | कंपनी | संयुक्त स्कोर | स्कोर | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|
| #99 | gpt-oss-120b medium | OpenAI | 10.0 | 6.1 | 1/1 | 31.2s |
| #103 | DeepSeek V4 Pro high | DeepSeek | 10.0 | 6.0 | 1/1 | 65.0s |
| #105 | Nemotron 3 Super medium | NVIDIA | 10.0 | 5.8 | 1/1 | 87.8s |
| #10 | Claude Opus 4.8 medium | Anthropic | 9.8 | 8.7 | 1/1 | 38.0s |
| #41 | Nemotron 3 Ultra 550b A55b medium | NVIDIA | 9.8 | 7.5 | 1/1 | 43.9s |
| #64 | MiMo-V2-Flash medium | Xiaomi | 9.8 | 7.2 | 1/1 | 75.7s |
| #70 | GPT-5.4 Nano medium | OpenAI | 9.8 | 7.0 | 1/1 | 24.1s |
| #37 | Gemma 4 26B A4B medium | 9.6 | 7.6 | 1/1 | 73.5s | |
| #4 | Gemini 3.1 Pro Preview medium | 9.5 | 9.4 | 1/1 | 40.6s | |
| #8 | Claude Opus 4.7 none | Anthropic | 9.5 | 8.9 | 1/1 | 18.3s |
| #55 | GLM 5.1 medium | Z.ai | 9.5 | 7.3 | 1/1 | 43.1s |
| #68 | Claude Opus 4.8 none | Anthropic | 9.5 | 7.0 | 1/1 | 17.7s |
| #77 | Claude Sonnet 4.6 none | Anthropic | 9.5 | 6.8 | 1/1 | 23.8s |
| #113 | DeepSeek V4 Pro none | DeepSeek | 9.5 | 5.7 | 1/1 | 25.5s |
| #78 | Qwen3.6 27B medium | Qwen | 7.0 | 6.8 | 0/1 | 83.1s |