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.
| क्रमांक | मॉडेल | कंपनी | डोमेन-विशिष्ट स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #152 | MiMo-V2-Flash none | Xiaomi | 5.3 | 4.6 | 1/3 | 564ms |
| #155 | Mercury 2 none | Inception | 5.3 | 4.5 | 1/3 | 534ms |
| #94 | GPT-5 Nano medium | OpenAI | 5.2 | 6.3 | 1/3 | 204.0s |
| #31 | DeepSeek V4 Flash high | DeepSeek | 4.1 | 7.7 | 0/3 | 100.3s |
| #45 | GPT-5.4 Mini medium | OpenAI | 4.1 | 7.5 | 0/3 | 65.3s |
| #66 | Qwen3.5-35B-A3B medium | Qwen | 4.1 | 7.1 | 0/3 | 88.3s |
| #71 | Step 3.7 Flash high | Stepfun | 4.1 | 7.0 | 0/3 | 149.6s |
| #107 | Laguna Xs.2 medium | Poolside | 4.1 | 5.8 | 0/3 | 11.1s |
| #18 | Qwen3.7 Plus medium | Qwen | 3.6 | 8.2 | 0/3 | 45.3s |
| #53 | Gemini 3.1 Flash Lite high | 3.6 | 7.3 | 0/3 | 139.9s | |
| #54 | GPT-5 Mini medium | OpenAI | 3.6 | 7.3 | 0/3 | 44.6s |
| #100 | Grok Build 0.1 none | X AI | 3.6 | 6.0 | 0/3 | 103.7s |
| #102 | Gemma 4 26B A4B none | 3.6 | 6.0 | 0/3 | 2.49s | |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 3.6 | 5.8 | 0/3 | 1.33s |
| #141 | Nemotron 3 Super none | NVIDIA | 3.6 | 4.9 | 0/3 | 6.23s |