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: बरोबर चाचण्या ↓.
| क्रमांक | मॉडेल | कंपनी | डोमेन-विशिष्ट स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #18 | GLM 5 Turbo medium | Z.ai | 2.9 | 8.1 | 0/3 | 71.1s |
| #19 | Qwen3.5-122B-A10B medium | Qwen | 2.9 | 8.1 | 0/3 | 63.4s |
| #20 | Qwen3.6 Plus medium | Qwen | 2.9 | 8.1 | 0/3 | 29.6s |
| #24 | Gemma 4 26B A4B medium | 2.9 | 8.0 | 0/3 | 23.6s | |
| #26 | Claude Sonnet 4.6 medium | Anthropic | 2.9 | 8.0 | 0/3 | 0ms |
| #35 | MiMo-V2-Omni medium | Xiaomi | 3.0 | 7.7 | 0/3 | 55.1s |
| #36 | GPT-5.3 Chat none | OpenAI | 3.5 | 7.7 | 0/3 | 13.0s |
| #37 | Claude Opus 4.6 medium | Anthropic | 3.0 | 7.6 | 0/3 | 83.4s |
| #39 | Seed-2.0-Mini medium | Bytedance Seed | 3.0 | 7.5 | 0/3 | 0ms |
| #43 | Qwen3.5-35B-A3B medium | Qwen | 4.1 | 7.4 | 0/3 | 88.3s |
| #44 | GPT-5.4 Mini medium | OpenAI | 4.1 | 7.3 | 0/3 | 65.3s |
| #45 | GPT-5 Mini medium | OpenAI | 3.6 | 7.0 | 0/3 | 44.6s |
| #46 | Kimi K2.5 medium | Moonshot AI | 3.5 | 7.0 | 0/3 | 137.3s |
| #50 | Hunter Alpha medium | OpenRouter | 3.0 | 6.7 | 0/3 | 10.5s |
| #51 | Nemotron 3 Super medium | NVIDIA | 2.9 | 6.7 | 0/3 | 16.2s |