AI BENCHY श्रेणी अपयशे
सामान्य ज्ञान: चुकीचे उत्तर
सामान्य ज्ञान
चुकीचे उत्तर
सामान्य ज्ञान मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.
अयशस्वी होण्याची कारणे
| क्रमांक | मॉडेल | कंपनी | चुकीचे उत्तर संख्या | श्रेणी स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #73 | Gemini 3.1 Flash Lite none | 1 | 3.0 | 0/1 | 733ms | |
| #76 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 3.0 | 0/1 | 1.11s |
| #77 | Grok 4.1 Fast medium | X AI | 1 | 3.0 | 0/1 | 25.5s |
| #78 | GLM 5 none | Z.ai | 1 | 3.0 | 0/1 | 3.62s |
| #79 | MiMo-V2-Omni none | Xiaomi | 1 | 3.0 | 0/1 | 1.30s |
| #80 | Mercury 2 medium | Inception | 1 | 3.0 | 0/1 | 2.58s |
| #81 | Gemini 2.5 Flash none | 1 | 3.0 | 0/1 | 1.15s | |
| #82 | Gemma 4 26B A4B none | 1 | 3.0 | 0/1 | 778ms | |
| #83 | GPT-5 Nano medium | OpenAI | 1 | 3.0 | 0/1 | 20.1s |
| #84 | DeepSeek V4 Pro none | DeepSeek | 1 | 3.0 | 0/1 | 15.6s |
| #85 | Nemotron 3 Super medium | NVIDIA | 1 | 3.0 | 0/1 | 55.3s |
| #86 | Seed-2.0-Lite none | Bytedance Seed | 1 | 3.0 | 0/1 | 1.96s |
| #87 | GLM 5V Turbo none | Z.ai | 1 | 3.0 | 0/1 | 2.23s |
| #88 | Owl Alpha medium | Openrouter | 1 | 3.0 | 0/1 | 2.38s |
| #89 | Qwen3.5-Flash none | Qwen | 1 | 3.0 | 0/1 | 588ms |