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) |
|---|---|---|---|---|---|---|
| #25 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 5.3 | 7.9 | 1/3 | 17.5s |
| #156 | Hy3 preview none | Tencent | 3.6 | 4.4 | 0/3 | 17.6s |
| #24 | GPT-5.2 Chat none | OpenAI | 5.3 | 7.9 | 1/3 | 17.8s |
| #130 | MiniMax M2.7 medium | Minimax | 3.0 | 5.3 | 0/3 | 19.0s |
| #139 | DeepSeek V4 Flash none | DeepSeek | 5.3 | 5.0 | 1/3 | 19.7s |
| #13 | Grok 4.20 Beta medium | X AI | 5.3 | 8.5 | 1/3 | 21.3s |
| #93 | Qwen3.6 Plus Preview medium | Qwen | 3.0 | 6.3 | 0/3 | 22.1s |
| #33 | Hy3 preview medium | Tencent | 5.3 | 7.7 | 1/3 | 22.3s |
| #46 | Qwen3.6 35B A3B medium | Qwen | 5.3 | 7.4 | 1/3 | 22.5s |
| #37 | Gemma 4 26B A4B medium | 2.9 | 7.6 | 0/3 | 23.6s | |
| #92 | Laguna M.1 medium | Poolside | 5.3 | 6.4 | 1/3 | 24.1s |
| #72 | DeepSeek V3.2 medium | DeepSeek | 2.9 | 7.0 | 0/3 | 24.3s |
| #84 | Grok 4.20 Multi Agent Beta medium | X AI | 2.9 | 6.6 | 0/3 | 24.7s |
| #41 | Nemotron 3 Ultra 550b A55b medium | NVIDIA | 3.5 | 7.5 | 0/3 | 24.9s |
| #5 | Qwen3.7 Max medium | Qwen | 5.9 | 9.1 | 1/3 | 24.9s |