AI BENCHY विफलताएँ
कोई उत्तर नहीं विफलताएँ
देखें कि किन AI मॉडलों में कोई उत्तर नहीं सबसे अधिक होता है, ताकि आप चुनने से पहले भरोसेमंदी के जोखिम समझ सकें।
37/37
मॉडल फ़िल्टर करें
मौजूदा खोज और फ़िल्टर से कोई मॉडल मेल नहीं खाता।
| रैंक | मॉडल | कंपनी | कोई उत्तर नहीं संख्या | स्कोर | कुल लागत | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|
| #76 | Step 3.7 Flash high | Stepfun | 4 | 7.1 | $1.148 | 11/21 | 64.5s |
| #95 | Qwen3.6 27B medium | Qwen | 3 | 6.6 | $0.336 | 10/21 | 59.7s |
| #177 | GLM 4.7 Flash medium | Z.ai | 3 | 4.3 | $0.054 | 4/21 | 35.1s |
| #9 | Claude Fable 5 medium | Anthropic | 2 | 9.2 | $3.165 | 17/21 | 17.0s |
| #17 | GLM 5.2 medium | Z.ai | 2 | 8.7 | $0.179 | 15/21 | 23.3s |
| #56 | Kimi K2.5 medium | Moonshot AI | 2 | 7.5 | $0.348 | 10/21 | 98.4s |
| #72 | Gemma 4 26B A4B medium | 2 | 7.2 | $0.045 | 14/21 | 63.4s | |
| #87 | Mimo V2 Omni medium | Xiaomi | 2 | 6.8 | $0.683 | 10/21 | 41.2s |
| #104 | Qwen3.5-35B-A3B medium | Qwen | 2 | 6.3 | $0.401 | 11/21 | 72.6s |
| #132 | Claude Sonnet 5 none | Anthropic | 2 | 5.7 | $0.287 | 7/21 | 4.74s |
| #176 | Laguna Xs.2 medium | Poolside | 2 | 4.3 | $0.015 | 6/19 | 6.73s |
| #185 | Qwen3.5-9B medium | Qwen | 2 | 3.8 | $0.036 | 3/21 | 82.2s |
| #15 | Claude Opus 4.8 medium | Anthropic | 1 | 8.8 | $1.107 | 17/21 | 9.72s |
| #18 | GLM 5 medium | Z.ai | 1 | 8.6 | $0.228 | 15/21 | 33.5s |
| #23 | Step 3.7 Flash medium | Stepfun | 1 | 8.5 | $0.376 | 14/21 | 20.4s |