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) |
|---|---|---|---|---|---|---|
| #128 | MiMo-V2.5 none | Xiaomi | 1 | 3.0 | 0/1 | 3.89s |
| #129 | Qwen3 Coder Next medium | Qwen | 1 | 3.0 | 0/1 | 399ms |
| #130 | Trinity Large Preview none | Arcee AI | 1 | 3.0 | 0/1 | 777ms |
| #131 | Mercury 2 none | Inception | 1 | 3.0 | 0/1 | 548ms |
| #132 | Qwen3.5-9B none | Qwen | 1 | 3.0 | 0/1 | 2.32s |
| #133 | HY3 Preview none | Tencent | 1 | 3.0 | 0/1 | 2.71s |
| #135 | GPT-5.4 Nano none | OpenAI | 1 | 3.0 | 0/1 | 773ms |
| #136 | GLM 4.7 Flash medium | Z.ai | 1 | 3.0 | 0/1 | 11.1s |
| #137 | MiMo-V2-Flash none | Xiaomi | 1 | 3.0 | 0/1 | 1.82s |
| #139 | Grok 4.1 Fast none | X AI | 1 | 3.0 | 0/1 | 731ms |
| #140 | Qwen3.5-9B medium | Qwen | 1 | 3.0 | 0/1 | 177.0s |
| #142 | Granite 4.1 8B none | IBM Granite | 1 | 3.0 | 0/1 | 306ms |