AI BENCHY
Advertise here

AI BENCHY श्रेणी

पहेली समाधान रैंकिंग

देखें कि पहेली समाधान में कौन से AI मॉडल सबसे अच्छा प्रदर्शन करते हैं, कौन से भरोसेमंद बने रहते हैं और सबसे बड़े अंतर कहाँ दिखाई देते हैं। क्रमबद्ध करें: सही परीक्षण ↑.

दिखाए गए मॉडल

12

औसत पहेली समाधान स्कोर

6.7

सर्वश्रेष्ठ मॉडल

GPT-5.4 Nano 4.1

विफलता के कारण

विफलता कारण गलत उत्तर के साथ147 विफलता कारण निर्देशों का पालन नहीं किया के साथ78 विफलता कारण API त्रुटि के साथ13 विफलता कारण अतिरिक्त फॉर्मेटिंग के साथ5 विफलता कारण समय समाप्त के साथ5 विफलता कारण कोई उत्तर नहीं के साथ1
रैंक मॉडल कंपनी पहेली समाधान स्कोर स्कोर सही परीक्षण प्रतिक्रिया समय (औसत)
#29 Qwen3.5-122B-A10B medium Qwen 10.0 7.8 3/3 17.9s
#32 Gemini 3.5 Flash minimal Google 10.0 7.7 3/3 1.45s
#34 Qwen3.7 Max none Qwen 10.0 7.7 3/3 1.13s
#35 Gemini 3 PRO Preview medium Google 10.0 7.6 3/3 3.88s
#37 Gemma 4 26B A4B medium Google 10.0 7.6 3/3 5.79s
#50 Gemini 3.1 Flash Lite Preview low Google 10.0 7.4 3/3 1.69s
#52 Claude Sonnet 4.6 medium Anthropic 10.0 7.4 3/3 5.31s
#58 Gemini 3.1 Flash Lite Preview none Google 10.0 7.2 3/3 900ms
#61 Gemini 3.1 Flash Lite low Google 10.0 7.2 3/3 1.40s
#63 GPT-5.3 Chat none OpenAI 10.0 7.2 3/3 2.99s
#74 Qwen3.6 Max Preview none Qwen 10.0 6.9 3/3 2.65s
#101 Mimo V2 Omni none Xiaomi 10.0 6.0 3/3 1.16s

पहेली समाधान स्कोर के अनुसार शीर्ष मॉडल

पहेली समाधान स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल