AI BENCHY श्रेणी
संयुक्त क्रमवारी
संयुक्त मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↑.
| क्रमांक | मॉडेल | कंपनी | संयुक्त स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #72 | Hunter Alpha none | OpenRouter | 3.0 | 5.7 | 0/1 | 15.2s |
| #47 | Grok 4.20 medium | X AI | 10.0 | 7.0 | 1/1 | 17.4s |
| #32 | Qwen3.5-Flash medium | Qwen | 10.0 | 7.8 | 1/1 | 17.8s |
| #44 | GPT-5.4 Mini medium | OpenAI | 10.0 | 7.3 | 1/1 | 17.8s |
| #4 | Claude Opus 4.7 none | Anthropic | 9.5 | 9.2 | 1/1 | 18.3s |
| #76 | Kimi K2.5 none | Moonshot AI | 2.8 | 5.5 | 0/1 | 19.2s |
| #35 | MiMo-V2-Omni medium | Xiaomi | 10.0 | 7.7 | 1/1 | 19.3s |
| #7 | GPT-5.3-Codex medium | OpenAI | 10.0 | 8.6 | 1/1 | 19.6s |
| #88 | Nemotron 3 Super none | NVIDIA | 3.0 | 5.1 | 0/1 | 20.0s |
| #16 | GPT-5.4 medium | OpenAI | 10.0 | 8.2 | 1/1 | 20.6s |
| #25 | Grok 4.20 Beta medium | X AI | 10.0 | 8.0 | 1/1 | 20.9s |
| #3 | Claude Opus 4.7 medium | Anthropic | 10.0 | 9.2 | 1/1 | 21.4s |
| #42 | Claude Sonnet 4.6 none | Anthropic | 9.5 | 7.4 | 1/1 | 23.8s |
| #38 | GPT-5.4 Nano medium | OpenAI | 9.8 | 7.6 | 1/1 | 24.1s |
| #73 | Mistral Small 4 medium | Mistral | 3.0 | 5.7 | 0/1 | 25.3s |