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) |
|---|---|---|---|---|---|---|
| #141 | Nemotron 3 Super none | NVIDIA | 3.6 | 4.9 | 0/3 | 6.23s |
| #145 | Laguna M.1 none | Poolside | 3.6 | 4.8 | 0/3 | 5.50s |
| #156 | Hy3 preview none | Tencent | 3.6 | 4.4 | 0/3 | 17.6s |
| #161 | Qwen3.5-9B medium | Qwen | 3.6 | 4.2 | 0/3 | 137.7s |
| #162 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 3.6 | 4.1 | 0/3 | 489ms |
| #31 | DeepSeek V4 Flash high | DeepSeek | 4.1 | 7.7 | 0/3 | 100.3s |
| #45 | GPT-5.4 Mini medium | OpenAI | 4.1 | 7.5 | 0/3 | 65.3s |
| #66 | Qwen3.5-35B-A3B medium | Qwen | 4.1 | 7.1 | 0/3 | 88.3s |
| #71 | Step 3.7 Flash high | Stepfun | 4.1 | 7.0 | 0/3 | 149.6s |
| #107 | Laguna Xs.2 medium | Poolside | 4.1 | 5.8 | 0/3 | 11.1s |
| #94 | GPT-5 Nano medium | OpenAI | 5.2 | 6.3 | 1/3 | 204.0s |
| #9 | GPT-5.5 medium | OpenAI | 5.3 | 8.8 | 1/3 | 164.1s |
| #16 | Gemini 3 Flash Preview low | 5.3 | 8.4 | 1/3 | 8.05s | |
| #21 | GPT-5.4 medium | OpenAI | 5.3 | 8.0 | 1/3 | 74.3s |
| #38 | Grok 4.3 medium | X AI | 5.3 | 7.6 | 1/3 | 181.7s |