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) |
|---|---|---|---|---|---|---|
| #46 | Kimi K2.5 medium | Moonshot AI | 3.5 | 7.0 | 0/3 | 137.3s |
| #86 | GPT-5.4 Mini none | OpenAI | 3.5 | 5.1 | 0/3 | 937ms |
| #93 | GLM 4.7 Flash medium | Z.ai | 3.5 | 4.6 | 0/3 | 174.6s |
| #45 | GPT-5 Mini medium | OpenAI | 3.6 | 7.0 | 0/3 | 44.6s |
| #60 | Gemma 4 26B A4B none | 3.6 | 6.2 | 0/3 | 2.49s | |
| #61 | Seed-2.0-Lite none | Bytedance Seed | 3.6 | 6.2 | 0/3 | 1.33s |
| #64 | DeepSeek V3.2 none | DeepSeek | 3.6 | 6.1 | 0/3 | 1.61s |
| #88 | Nemotron 3 Super none | NVIDIA | 3.6 | 5.1 | 0/3 | 6.23s |
| #97 | Qwen3.5-9B medium | Qwen | 3.6 | 4.4 | 0/3 | 137.7s |
| #43 | Qwen3.5-35B-A3B medium | Qwen | 4.1 | 7.4 | 0/3 | 88.3s |
| #44 | GPT-5.4 Mini medium | OpenAI | 4.1 | 7.3 | 0/3 | 65.3s |
| #57 | GPT-5 Nano medium | OpenAI | 5.2 | 6.3 | 1/3 | 204.0s |
| #5 | Gemini 3 Flash Preview low | 5.3 | 8.8 | 1/3 | 8.05s | |
| #16 | GPT-5.4 medium | OpenAI | 5.3 | 8.2 | 1/3 | 74.3s |
| #27 | DeepSeek V3.2 medium | DeepSeek | 5.3 | 8.0 | 1/3 | 39.3s |