डोमेन-विशिष्ट मॉडेल क्रमवारी | AI BENCHY

डोमेन-विशिष्ट मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा.

दाखवलेली मॉडेल्स

7

सरासरी डोमेन-विशिष्ट स्कोअर

0.4

सर्वोत्तम मॉडेल

Gemini 3.6 Flash 0.8

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण चुकीचे उत्तर सह878 अयशस्वी होण्याचे कारण उत्तर नाही सह63 अयशस्वी होण्याचे कारण वेळ संपला सह46 अयशस्वी होण्याचे कारण API त्रुटी सह40 अयशस्वी होण्याचे कारण अतिरिक्त फॉरमॅटिंग सह36 अयशस्वी होण्याचे कारण सूचनांचे पालन केले नाही सह3

442/442

क्रमांक	मॉडेल	कंपनी	डोमेन-विशिष्ट स्कोअर	स्कोअर	एकूण खर्च	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)
#306	Nemotron 3 Super medium	NVIDIA	0.3	0.6	$0.081	0/3	19.4s
एकूण चाचण्या 3 चुकीच्या चाचण्या 3 एकूण खर्च $0.081 प्रतिसाद वेळ (सरासरी) 19.4s
#330	Nemotron 3.5 Lightning high	NVIDIA	0.3	0.5	$0.168	0/3	88.6s
एकूण चाचण्या 3 चुकीच्या चाचण्या 3 एकूण खर्च $0.168 प्रतिसाद वेळ (सरासरी) 88.6s
#339	Apodex 1.1 Mini default	Apodex	0.3	0.5	$0.000	0/3	870ms
एकूण चाचण्या 3 चुकीच्या चाचण्या 3 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 870ms
#359	Nemotron 3.5 Lightning medium	NVIDIA	0.3	0.5	$0.195	0/3	74.7s
एकूण चाचण्या 3 चुकीच्या चाचण्या 3 एकूण खर्च $0.195 प्रतिसाद वेळ (सरासरी) 74.7s
#381	Cobuddy medium	Baidu	0.3	0.4	$0.000	0/3	128.2s
एकूण चाचण्या 3 चुकीच्या चाचण्या 3 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 128.2s
#441	Nimble v3 9B default	Bespoke Labs	0.2	0.8	~$0.001	0/2	80ms
एकूण चाचण्या 2 चुकीच्या चाचण्या 2 एकूण खर्च ~$0.001 प्रतिसाद वेळ (सरासरी) 80ms
#435	Gemini 3 Flash Preview high	Google	0.0	0.2	$0.105	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.105 प्रतिसाद वेळ (सरासरी) 0ms

←

1 29 30

डोमेन-विशिष्ट स्कोअर नुसार शीर्ष मॉडेल्स

डोमेन-विशिष्ट स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स