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: बरोबर चाचण्या ↑.
| क्रमांक | मॉडेल | कंपनी | डोमेन-विशिष्ट स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #87 | Gemini 3.1 Flash Lite minimal | 2.9 | 6.4 | 0/3 | 1.02s | |
| #88 | Qwen3.7 Plus none | Qwen | 3.0 | 6.4 | 0/3 | 868ms |
| #90 | Gemini 3.1 Flash Lite none | 2.9 | 6.4 | 0/3 | 762ms | |
| #91 | GPT-5.5 none | OpenAI | 2.9 | 6.4 | 0/3 | 1.31s |
| #93 | Qwen3.6 Plus Preview medium | Qwen | 3.0 | 6.3 | 0/3 | 22.1s |
| #98 | GLM 5 none | Z.ai | 3.0 | 6.1 | 0/3 | 2.24s |
| #99 | gpt-oss-120b medium | OpenAI | 2.9 | 6.1 | 0/3 | 50.9s |
| #100 | Grok Build 0.1 none | X AI | 3.6 | 6.0 | 0/3 | 103.7s |
| #102 | Gemma 4 26B A4B none | 3.6 | 6.0 | 0/3 | 2.49s | |
| #103 | DeepSeek V4 Pro high | DeepSeek | 2.9 | 6.0 | 0/3 | 205.7s |
| #105 | Nemotron 3 Super medium | NVIDIA | 2.9 | 5.8 | 0/3 | 16.2s |
| #106 | Grok 4.20 Beta none | X AI | 3.0 | 5.8 | 0/3 | 611ms |
| #107 | Laguna Xs.2 medium | Poolside | 4.1 | 5.8 | 0/3 | 11.1s |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 3.6 | 5.8 | 0/3 | 1.33s |
| #112 | GLM 5.1 none | Z.ai | 2.9 | 5.7 | 0/3 | 1.99s |