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) |
|---|---|---|---|---|---|---|
| #145 | Laguna M.1 none | Poolside | 3.6 | 4.8 | 0/3 | 5.50s |
| #7 | Gemini 3.5 Flash medium | 7.7 | 9.0 | 2/3 | 5.24s | |
| #138 | Ling-2.6-flash none | Inclusionai | 3.0 | 5.0 | 0/3 | 4.95s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 5.3 | 5.7 | 1/3 | 4.43s |
| #135 | Kimi K2.5 none | Moonshot AI | 5.3 | 5.2 | 1/3 | 4.38s |
| #40 | Gemini 3.1 Flash Lite Preview medium | 3.0 | 7.5 | 0/3 | 4.21s | |
| #133 | DeepSeek V3.2 none | DeepSeek | 2.9 | 5.2 | 0/3 | 4.17s |
| #77 | Claude Sonnet 4.6 none | Anthropic | 7.7 | 6.8 | 2/3 | 3.54s |
| #3 | Gemini 3.5 Flash low | 7.7 | 9.4 | 2/3 | 3.39s | |
| #85 | Gemma 4 31B none | 7.7 | 6.5 | 2/3 | 3.22s | |
| #113 | DeepSeek V4 Pro none | DeepSeek | 5.3 | 5.7 | 1/3 | 3.17s |
| #44 | Gemini 3.1 Flash Lite medium | 2.9 | 7.5 | 0/3 | 3.16s | |
| #118 | Qwen3.6 27B none | Qwen | 7.7 | 5.6 | 2/3 | 3.03s |
| #121 | Owl Alpha none | Openrouter | 5.3 | 5.5 | 1/3 | 3.00s |
| #102 | Gemma 4 26B A4B none | 3.6 | 6.0 | 0/3 | 2.49s |