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 ↑.
169/169
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | सामान्य ज्ञान स्कोअर | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #57 | Claude Opus 4.8 none | Anthropic | 3.0 | 7.2 | $0.539 | 0/1 | 3.41s |
| #58 | DeepSeek V4 Pro none | DeepSeek | 3.0 | 7.2 | $0.034 | 0/1 | 5.76s |
| #59 | Gemma 4 26B A4B medium | 3.0 | 7.2 | $0.045 | 0/1 | 180.9s | |
| #60 | Qwen3.7 Plus none | Qwen | 3.0 | 7.2 | $0.023 | 0/1 | 1.21s |
| #61 | GLM 5.2 none | Z.ai | 3.0 | 7.1 | $0.076 | 0/1 | 3.41s |
| #62 | MiMo-V2-Flash medium | Xiaomi | 3.0 | 7.1 | $0.043 | 0/1 | 1.96s |
| #63 | Step 3.7 Flash high | Stepfun | 3.0 | 7.1 | $1.148 | 0/1 | 149.3s |
| #64 | GLM 5.1 medium | Z.ai | 3.0 | 7.1 | $0.292 | 0/1 | 29.4s |
| #65 | Kimi K2.7 Code medium | Moonshot AI | 3.0 | 7.0 | $0.583 | 0/1 | 341.8s |
| #67 | Gemini 3 Flash Preview none | 3.0 | 6.9 | $0.025 | 0/1 | 1.07s | |
| #68 | Qwen3.7 Max none | Qwen | 3.0 | 6.9 | $0.054 | 0/1 | 856ms |
| #70 | Qwen3.5-Flash medium | Qwen | 3.0 | 6.8 | $0.080 | 0/1 | 49.0s |
| #71 | Gemini 3.5 Flash minimal | 3.0 | 6.8 | $0.108 | 0/1 | 1.76s | |
| #72 | Ring-2.6-1T medium | Inclusionai | 3.0 | 6.8 | $0.033 | 0/1 | 113.9s |
| #73 | Mimo V2 Omni medium | Xiaomi | 3.0 | 6.8 | $0.683 | 0/1 | 234.2s |