AI BENCHY
Advertise here

AI BENCHY अपयशे

चुकीचे उत्तर अपयशे

कोणत्या AI मॉडेल्सना चुकीचे उत्तर सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: स्कोअर ↑.

दाखवलेली मॉडेल्स

15

एकूण अपयशे

1204

सर्वाधिक प्रभावित मॉडेल

Granite 4.1 8B 13
क्रमांक मॉडेल कंपनी चुकीचे उत्तर संख्या स्कोअर बरोबर चाचण्या प्रतिसाद वेळ (सरासरी)
#133 DeepSeek V3.2 none DeepSeek 7 5.2 6/21 13.8s
#132 Mistral Small 4 medium Mistral 12 5.3 5/21 9.40s
#131 Qwen3.5-122B-A10B none Qwen 13 5.3 6/21 3.41s
#130 MiniMax M2.7 medium Minimax 6 5.3 5/21 38.2s
#129 MiniMax M2.5 medium Minimax 7 5.3 5/21 65.4s
#128 Qwen3.6 Flash none Qwen 12 5.4 7/21 1.60s
#127 Grok 4.20 none X AI 10 5.4 6/18 1.11s
#126 gpt-oss-120b none OpenAI 8 5.4 6/19 21.6s
#124 Kimi K2.6 none Moonshot AI 11 5.5 7/21 13.3s
#125 GPT-5.4 none OpenAI 13 5.5 7/21 1.42s
#123 MiMo-V2.5-Pro none Xiaomi 11 5.5 6/21 1.78s
#121 Owl Alpha none Openrouter 10 5.5 7/21 9.88s
#122 GLM 4.7 Flash none Z.ai 13 5.5 6/21 2.86s
#120 Mimo V2 PRO none Xiaomi 11 5.6 7/21 2.27s
#119 Cobuddy medium Baidu 9 5.6 7/21 39.9s

चुकीचे उत्तर संख्या नुसार शीर्ष मॉडेल्स

चुकीचे उत्तर संख्या वि स्कोअर

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स