AI BENCHY श्रेणी
डोमेन-विशिष्ट क्रमवारी
डोमेन-विशिष्ट मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: मेट्रिक ↑.
| क्रमांक | मॉडेल | कंपनी | डोमेन-विशिष्ट स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #37 | Claude Opus 4.6 medium | Anthropic | 3.0 | 7.6 | 0/3 | 83.4s |
| #39 | Seed-2.0-Mini medium | Bytedance Seed | 3.0 | 7.5 | 0/3 | 0ms |
| #50 | Hunter Alpha medium | OpenRouter | 3.0 | 6.7 | 0/3 | 10.5s |
| #53 | GLM 5 none | Z.ai | 3.0 | 6.6 | 0/3 | 2.24s |
| #67 | Qwen3.5-27B none | Qwen | 3.0 | 5.9 | 0/3 | 540ms |
| #79 | Grok 4.20 Beta none | X AI | 3.0 | 5.3 | 0/3 | 611ms |
| #80 | MiniMax M2.7 medium | Minimax | 3.0 | 5.3 | 0/3 | 19.0s |
| #81 | Elephant medium | Openrouter | 3.0 | 5.2 | 0/3 | 925ms |
| #82 | Grok 4.20 none | X AI | 3.0 | 5.2 | 0/3 | 687ms |
| #84 | gpt-oss-120b none | OpenAI | 3.0 | 5.2 | 0/3 | 35.0s |
| #85 | Elephant none | Openrouter | 3.0 | 5.2 | 0/3 | 927ms |
| #89 | GPT-4o-mini none | OpenAI | 3.0 | 4.9 | 0/3 | 637ms |
| #90 | Qwen3.5-9B none | Qwen | 3.0 | 4.8 | 0/3 | 464ms |
| #13 | GLM 5 medium | Z.ai | 3.5 | 8.4 | 0/3 | 0ms |
| #36 | GPT-5.3 Chat none | OpenAI | 3.5 | 7.7 | 0/3 | 13.0s |