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: एकूण खर्च ↓.
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) |
|---|---|---|---|---|---|---|---|
| #4 | GPT-5.5 low | OpenAI | 3.0 | 9.3 | $0.907 | 0/1 | 10.1s |
| #35 | Kimi K2.6 medium | Moonshot AI | 3.0 | 7.8 | $0.889 | 0/1 | 130.3s |
| #69 | Grok 4.20 Beta medium | X AI | 0.0 | 6.8 | $0.750 | 0/0 | 0ms |
| #10 | GPT-5.3-Codex medium | OpenAI | 2.8 | 8.9 | $0.740 | 0/1 | 14.4s |
| #73 | Mimo V2 Omni medium | Xiaomi | 3.0 | 6.8 | $0.683 | 0/1 | 234.2s |
| #13 | Claude Opus 4.7 medium | Anthropic | 3.0 | 8.7 | $0.679 | 0/1 | 2.25s |
| #2 | Gemini 3 Flash Preview medium | 10.0 | 9.6 | $0.667 | 1/1 | 5.50s | |
| #37 | Grok 4.3 medium | X AI | 3.0 | 7.7 | $0.614 | 0/1 | 44.5s |
| #53 | Grok 4.20 medium | X AI | 3.0 | 7.3 | $0.609 | 0/1 | 63.5s |
| #36 | Qwen3.5-122B-A10B medium | Qwen | 3.0 | 7.7 | $0.588 | 0/1 | 52.9s |
| #65 | Kimi K2.7 Code medium | Moonshot AI | 3.0 | 7.0 | $0.583 | 0/1 | 341.8s |
| #8 | Gemini 3.5 Flash medium | 10.0 | 9.1 | $0.582 | 1/1 | 2.75s | |
| #22 | GPT-5.2 medium | OpenAI | 3.0 | 8.4 | $0.548 | 0/1 | 28.2s |
| #160 | Grok Build 0.1 none | X AI | 3.0 | 4.2 | $0.547 | 0/1 | 36.1s |
| #57 | Claude Opus 4.8 none | Anthropic | 3.0 | 7.2 | $0.539 | 0/1 | 3.41s |