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: प्रतिसाद वेळ (सरासरी) ↑.
| क्रमांक | मॉडेल | कंपनी | डोमेन-विशिष्ट स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #17 | Gemini 3.1 Flash Lite Preview medium | 3.0 | 8.2 | 0/3 | 4.21s | |
| #76 | Kimi K2.5 none | Moonshot AI | 5.3 | 5.5 | 1/3 | 4.38s |
| #23 | MiMo-V2-Pro medium | Xiaomi | 5.3 | 8.1 | 1/3 | 6.00s |
| #73 | Mistral Small 4 medium | Mistral | 5.3 | 5.7 | 1/3 | 6.11s |
| #88 | Nemotron 3 Super none | NVIDIA | 3.6 | 5.1 | 0/3 | 6.23s |
| #54 | Mercury 2 medium | Inception | 2.9 | 6.5 | 0/3 | 6.48s |
| #12 | Gemini 3 PRO Preview medium | 5.3 | 8.4 | 1/3 | 7.01s | |
| #5 | Gemini 3 Flash Preview low | 5.3 | 8.8 | 1/3 | 8.05s | |
| #50 | Hunter Alpha medium | OpenRouter | 3.0 | 6.7 | 0/3 | 10.5s |
| #36 | GPT-5.3 Chat none | OpenAI | 3.5 | 7.7 | 0/3 | 13.0s |
| #51 | Nemotron 3 Super medium | NVIDIA | 2.9 | 6.7 | 0/3 | 16.2s |
| #8 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 5.3 | 8.5 | 1/3 | 17.5s |
| #28 | GPT-5.2 Chat none | OpenAI | 5.3 | 7.9 | 1/3 | 17.8s |
| #80 | MiniMax M2.7 medium | Minimax | 3.0 | 5.3 | 0/3 | 19.0s |
| #1 | Gemini 3 Flash Preview medium | 10.0 | 10.0 | 3/3 | 21.1s |