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

Gemini 3 Flash Preview 1
क्रमांक मॉडेल कंपनी चुकीचे उत्तर संख्या स्कोअर बरोबर चाचण्या प्रतिसाद वेळ (सरासरी)
#136 Elephant Alpha medium Openrouter 9 5.1 6/21 1.27s
#137 Elephant Alpha none Openrouter 9 5.1 5/21 1.22s
#138 Ling-2.6-flash none Inclusionai 9 5.0 6/21 9.34s
#139 DeepSeek V4 Flash none DeepSeek 12 5.0 5/21 26.8s
#140 Qwen3 Coder Next none Qwen 14 4.9 5/21 8.62s
#141 Nemotron 3 Super none NVIDIA 14 4.9 5/21 5.30s
#142 Mistral Small 4 none Mistral 15 4.9 5/21 630ms
#143 MiMo-V2.5 none Xiaomi 14 4.9 5/21 2.20s
#144 GPT-5.4 Mini none OpenAI 13 4.9 5/21 1.13s
#145 Laguna M.1 none Poolside 10 4.8 4/19 2.89s
#146 Laguna Xs.2 none Poolside 8 4.8 5/19 806ms
#147 GPT-4o-mini none OpenAI 15 4.8 5/21 1.77s
#148 GPT-5.4 Nano none OpenAI 15 4.7 4/21 1.48s
#149 Nemotron 3 Nano Omni 30b A3b Reasoning medium NVIDIA 7 4.6 4/19 17.1s
#150 Qwen3 Coder Next medium Qwen 13 4.6 4/21 8.58s

चुकीचे उत्तर संख्या नुसार शीर्ष मॉडेल्स

चुकीचे उत्तर संख्या वि स्कोअर

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स