Eșecuri pe categorii AI BENCHY
Cultură generală: Răspuns greșit
Cultură generală
Răspuns greșit
Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Cultură generală, ca să găsești mai repede punctele slabe.
Motive de eșec
| Rang | Model | Companie | Număr de Răspuns greșit | Scor de categorie | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|
| #40 | Gemini 3.1 Flash Lite Preview none | 1 | 3.0 | 0/1 | 814ms | |
| #41 | GPT-5.2 Chat none | OpenAI | 1 | 3.0 | 0/1 | 6.89s |
| #42 | Kimi K2.6 medium | Moonshot AI | 1 | 3.0 | 0/1 | 130.3s |
| #43 | Step 3.5 Flash medium | Stepfun | 1 | 3.0 | 0/1 | 108.4s |
| #44 | Gemini 3.1 Flash Lite low | 1 | 3.0 | 0/1 | 1.46s | |
| #45 | Qwen3.5-Flash medium | Qwen | 1 | 3.0 | 0/1 | 49.0s |
| #46 | GPT-5.3 Chat none | OpenAI | 1 | 3.0 | 0/1 | 4.38s |
| #47 | GLM 5.1 medium | Z.ai | 1 | 3.0 | 0/1 | 29.4s |
| #48 | DeepSeek V4 Flash high | DeepSeek | 1 | 3.0 | 0/1 | 54.5s |
| #49 | GLM 5V Turbo medium | Z.ai | 1 | 3.0 | 0/1 | 41.0s |
| #50 | Qwen3.6 Flash medium | Qwen | 1 | 3.0 | 0/1 | 122.9s |
| #52 | Claude Opus 4.6 medium | Anthropic | 1 | 3.0 | 0/1 | 63.2s |
| #53 | GPT-5.4 Nano medium | OpenAI | 1 | 3.0 | 0/1 | 4.81s |
| #54 | Qwen3.6 Max Preview none | Qwen | 1 | 3.0 | 0/1 | 1.97s |
| #55 | MiMo-V2-Flash medium | Xiaomi | 1 | 3.0 | 0/1 | 1.96s |