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) |
|---|---|---|---|---|---|---|
| #5 | Gemini 3 Flash Preview low | 5.3 | 8.8 | 1/3 | 8.05s | |
| #12 | Gemini 3 PRO Preview medium | 5.3 | 8.4 | 1/3 | 7.01s | |
| #54 | Mercury 2 medium | Inception | 2.9 | 6.5 | 0/3 | 6.48s |
| #88 | Nemotron 3 Super none | NVIDIA | 3.6 | 5.1 | 0/3 | 6.23s |
| #73 | Mistral Small 4 medium | Mistral | 5.3 | 5.7 | 1/3 | 6.11s |
| #23 | MiMo-V2-Pro medium | Xiaomi | 5.3 | 8.1 | 1/3 | 6.00s |
| #76 | Kimi K2.5 none | Moonshot AI | 5.3 | 5.5 | 1/3 | 4.38s |
| #17 | Gemini 3.1 Flash Lite Preview medium | 3.0 | 8.2 | 0/3 | 4.21s | |
| #42 | Claude Sonnet 4.6 none | Anthropic | 7.7 | 7.4 | 2/3 | 3.54s |
| #48 | Gemma 4 31B none | 7.7 | 6.9 | 2/3 | 3.22s | |
| #60 | Gemma 4 26B A4B none | 3.6 | 6.2 | 0/3 | 2.49s | |
| #22 | Gemini 3.1 Flash Lite Preview low | 5.3 | 8.1 | 1/3 | 2.36s | |
| #72 | Hunter Alpha none | OpenRouter | 5.3 | 5.7 | 1/3 | 2.33s |
| #53 | GLM 5 none | Z.ai | 3.0 | 6.6 | 0/3 | 2.24s |
| #58 | GLM 5V Turbo none | Z.ai | 5.3 | 6.2 | 1/3 | 2.09s |