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) |
|---|---|---|---|---|---|---|---|
| #136 | Grok 4.20 Multi Agent Beta medium | X AI | 0.0 | 5.0 | $5.599 | 0/0 | 0ms |
| #9 | GPT-5.5 medium | OpenAI | 2.8 | 9.0 | $3.679 | 0/1 | 37.9s |
| #6 | Claude Fable 5 medium | Anthropic | 3.0 | 9.2 | $3.165 | 0/1 | 25.6s |
| #95 | Gemini 3.1 Flash Lite Preview high | 0.0 | 6.1 | $2.310 | 0/0 | 0ms | |
| #38 | Claude Opus 4.6 medium | Anthropic | 3.0 | 7.7 | $2.053 | 0/1 | 63.2s |
| #83 | Gemini 3.1 Flash Lite high | 0.0 | 6.5 | $2.044 | 0/0 | 0ms | |
| #31 | Claude Sonnet 4.6 medium | Anthropic | 3.0 | 7.8 | $1.418 | 0/1 | 30.1s |
| #17 | GPT-5.4 medium | OpenAI | 3.0 | 8.5 | $1.210 | 0/1 | 14.0s |
| #63 | Step 3.7 Flash high | Stepfun | 3.0 | 7.1 | $1.148 | 0/1 | 149.3s |
| #1 | Gemini 3.5 Flash high | 10.0 | 9.8 | $1.115 | 1/1 | 3.94s | |
| #12 | Claude Opus 4.8 medium | Anthropic | 3.0 | 8.8 | $1.107 | 0/1 | 6.14s |
| #66 | Gemini 3.5 Flash none | 2.8 | 7.0 | $1.079 | 0/1 | 4.87s | |
| #7 | Gemini 3.1 Pro Preview medium | 10.0 | 9.2 | $1.054 | 1/1 | 6.27s | |
| #11 | Qwen3.6 Max Preview medium | Qwen | 3.0 | 8.9 | $0.960 | 0/1 | 60.6s |
| #42 | Grok Build 0.1 medium | X AI | 3.0 | 7.6 | $0.927 | 0/1 | 53.5s |