डोमेन-विशिष्ट मॉडल रैंकिंग | AI BENCHY

AI BENCHY श्रेणी

देखें कि डोमेन-विशिष्ट में कौन से AI मॉडल सबसे अच्छा प्रदर्शन करते हैं, कौन से भरोसेमंद बने रहते हैं और सबसे बड़े अंतर कहाँ दिखाई देते हैं।

दिखाए गए मॉडल

15

औसत डोमेन-विशिष्ट स्कोर

4.8

सर्वश्रेष्ठ मॉडल

Gemini 3 Flash Preview 10.0

विफलता के कारण

विफलता कारण गलत उत्तर के साथ314 विफलता कारण समय समाप्त के साथ34 विफलता कारण अतिरिक्त फॉर्मेटिंग के साथ12 विफलता कारण API त्रुटि के साथ6 विफलता कारण कोई उत्तर नहीं के साथ5 विफलता कारण निर्देशों का पालन नहीं किया के साथ1

रैंक	मॉडल	कंपनी	डोमेन-विशिष्ट स्कोर	स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#1	Gemini 3 Flash Preview medium	Google	10.0	9.8	3/3	15.3s
#32	Gemini 3.5 Flash minimal	Google	10.0	7.7	3/3	899ms
#83	Step 3.5 Flash none	Stepfun	10.0	6.6	1/1	34.5s
#3	Gemini 3.5 Flash low	Google	7.7	9.4	2/3	3.39s
#4	Gemini 3.1 Pro Preview medium	Google	7.7	9.4	2/3	32.7s
#7	Gemini 3.5 Flash medium	Google	7.7	9.0	2/3	5.24s
#8	Claude Opus 4.7 none	Anthropic	7.7	8.9	2/3	1.19s
#11	Claude Opus 4.7 medium	Anthropic	7.7	8.7	2/3	1.17s
#22	Step 3.7 Flash medium	Stepfun	7.7	8.0	2/3	48.3s
#27	Gemma 4 31B medium	Google	7.7	7.8	2/3	38.5s
#34	Qwen3.7 Max none	Qwen	7.7	7.7	2/3	975ms
#48	Gemini 3 Flash Preview none	Google	7.7	7.4	2/3	963ms
#74	Qwen3.6 Max Preview none	Qwen	7.7	6.9	2/3	1.22s
#77	Claude Sonnet 4.6 none	Anthropic	7.7	6.8	2/3	3.54s
#85	Gemma 4 31B none	Google	7.7	6.5	2/3	3.22s

1 2 11

→

डोमेन-विशिष्ट स्कोर के अनुसार शीर्ष मॉडल

डोमेन-विशिष्ट स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल