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) |
|---|---|---|---|---|---|---|
| #27 | Gemma 4 31B medium | 7.7 | 7.8 | 2/3 | 38.5s | |
| #70 | GPT-5.4 Nano medium | OpenAI | 5.9 | 7.0 | 1/3 | 38.2s |
| #59 | GLM 5V Turbo medium | Z.ai | 5.3 | 7.2 | 1/3 | 38.1s |
| #43 | MiMo-V2.5-Pro medium | Xiaomi | 5.3 | 7.5 | 1/3 | 37.9s |
| #28 | Gemini 2.5 Flash medium | 5.9 | 7.8 | 1/3 | 37.3s | |
| #126 | gpt-oss-120b none | OpenAI | 3.0 | 5.4 | 0/3 | 35.0s |
| #83 | Step 3.5 Flash none | Stepfun | 10.0 | 6.6 | 1/1 | 34.5s |
| #56 | MiMo-V2.5 medium | Xiaomi | 5.3 | 7.3 | 1/3 | 34.5s |
| #4 | Gemini 3.1 Pro Preview medium | 7.7 | 9.4 | 2/3 | 32.7s | |
| #55 | GLM 5.1 medium | Z.ai | 5.3 | 7.3 | 1/3 | 29.8s |
| #26 | Qwen3.6 Plus medium | Qwen | 2.9 | 7.9 | 0/3 | 29.6s |
| #6 | GPT-5.5 low | OpenAI | 5.3 | 9.0 | 1/3 | 28.1s |
| #65 | Grok 4.20 medium | X AI | 5.3 | 7.1 | 1/3 | 27.0s |
| #5 | Qwen3.7 Max medium | Qwen | 5.9 | 9.1 | 1/3 | 24.9s |
| #41 | Nemotron 3 Ultra 550b A55b medium | NVIDIA | 3.5 | 7.5 | 0/3 | 24.9s |