AI BENCHY श्रेणी
सामान्य ज्ञान क्रमवारी
सामान्य ज्ञान मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: मेट्रिक ↑.
अयशस्वी होण्याची कारणे
| क्रमांक | मॉडेल | कंपनी | सामान्य ज्ञान स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #6 | GPT-5.5 low | OpenAI | 3.0 | 8.9 | 0/1 | 10.1s |
| #9 | Qwen3.6 Max Preview medium | Qwen | 3.0 | 8.5 | 0/1 | 60.6s |
| #11 | Seed-2.0-Lite medium | Bytedance Seed | 3.0 | 8.3 | 0/1 | 48.3s |
| #12 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 3.0 | 8.2 | 0/1 | 103.8s |
| #14 | Gemma 4 31B medium | 3.0 | 8.2 | 0/1 | 90.1s | |
| #17 | Qwen3.5-27B medium | Qwen | 3.0 | 8.1 | 0/1 | 85.1s |
| #19 | GLM 5 medium | Z.ai | 3.0 | 8.1 | 0/1 | 67.4s |
| #20 | GLM 5 Turbo medium | Z.ai | 3.0 | 8.1 | 0/1 | 40.2s |
| #21 | Qwen3.6 35B A3B medium | Qwen | 3.0 | 8.0 | 0/1 | 32.9s |
| #22 | HY3 Preview high | Tencent | 3.0 | 8.0 | 0/1 | 47.7s |
| #23 | Gemini 3.1 Flash Lite Preview medium | 3.0 | 8.0 | 0/1 | 2.68s | |
| #24 | Grok 4.3 medium | X AI | 3.0 | 8.0 | 0/1 | 44.5s |
| #25 | Gemini 2.5 Flash medium | 3.0 | 7.9 | 0/1 | 2.76s | |
| #26 | GPT-5.4 medium | OpenAI | 3.0 | 7.9 | 0/1 | 14.0s |
| #27 | Gemini 3.1 Flash Lite medium | 3.0 | 7.9 | 0/1 | 3.08s |