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) |
|---|---|---|---|---|---|---|
| #53 | GLM 5 none | Z.ai | 3.0 | 6.6 | 0/3 | 2.24s |
| #54 | Mercury 2 medium | Inception | 2.9 | 6.5 | 0/3 | 6.48s |
| #56 | Grok 4.20 Multi Agent Beta medium | X AI | 2.9 | 6.4 | 0/3 | 24.7s |
| #60 | Gemma 4 26B A4B none | 3.6 | 6.2 | 0/3 | 2.49s | |
| #61 | Seed-2.0-Lite none | Bytedance Seed | 3.6 | 6.2 | 0/3 | 1.33s |
| #64 | DeepSeek V3.2 none | DeepSeek | 3.6 | 6.1 | 0/3 | 1.61s |
| #67 | Qwen3.5-27B none | Qwen | 3.0 | 5.9 | 0/3 | 540ms |
| #68 | gpt-oss-120b medium | OpenAI | 2.9 | 5.8 | 0/3 | 50.9s |
| #71 | MiniMax M2.5 medium | Minimax | 2.9 | 5.7 | 0/3 | 237.3s |
| #75 | GLM 5.1 none | Z.ai | 2.9 | 5.6 | 0/3 | 1.99s |
| #79 | Grok 4.20 Beta none | X AI | 3.0 | 5.3 | 0/3 | 611ms |
| #80 | MiniMax M2.7 medium | Minimax | 3.0 | 5.3 | 0/3 | 19.0s |
| #81 | Elephant medium | Openrouter | 3.0 | 5.2 | 0/3 | 925ms |
| #82 | Grok 4.20 none | X AI | 3.0 | 5.2 | 0/3 | 687ms |
| #84 | gpt-oss-120b none | OpenAI | 3.0 | 5.2 | 0/3 | 35.0s |