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) |
|---|---|---|---|---|---|---|
| #81 | Mercury 2 medium | Inception | 2.9 | 6.6 | 0/3 | 6.48s |
| #35 | Gemini 3 PRO Preview medium | 5.3 | 7.6 | 1/3 | 7.01s | |
| #153 | Qwen3.6 35B A3B none | Qwen | 3.5 | 4.6 | 0/3 | 7.45s |
| #16 | Gemini 3 Flash Preview low | 5.3 | 8.4 | 1/3 | 8.05s | |
| #111 | Owl Alpha medium | Openrouter | 5.3 | 5.7 | 1/3 | 8.58s |
| #51 | Mimo V2 PRO medium | Xiaomi | 5.3 | 7.4 | 1/3 | 8.82s |
| #79 | Hunter Alpha medium | OpenRouter | 3.0 | 6.7 | 0/3 | 10.5s |
| #20 | Gemini 3.5 Flash none | 7.6 | 8.1 | 2/3 | 10.6s | |
| #107 | Laguna Xs.2 medium | Poolside | 4.1 | 5.8 | 0/3 | 11.1s |
| #63 | GPT-5.3 Chat none | OpenAI | 3.5 | 7.2 | 0/3 | 13.0s |
| #2 | Gemini 3.5 Flash high | 7.6 | 9.6 | 2/3 | 14.1s | |
| #10 | Claude Opus 4.8 medium | Anthropic | 5.3 | 8.7 | 1/3 | 14.2s |
| #39 | Qwen3.6 Flash medium | Qwen | 3.5 | 7.5 | 0/3 | 14.6s |
| #1 | Gemini 3 Flash Preview medium | 10.0 | 9.8 | 3/3 | 15.3s | |
| #105 | Nemotron 3 Super medium | NVIDIA | 2.9 | 5.8 | 0/3 | 16.2s |