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) |
|---|---|---|---|---|---|---|
| #73 | Gemini 3.1 Flash Lite none | 1 | 3.0 | 0/1 | 733ms | |
| #76 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 3.0 | 0/1 | 1.11s |
| #77 | Grok 4.1 Fast medium | X AI | 1 | 3.0 | 0/1 | 25.5s |
| #78 | GLM 5 none | Z.ai | 1 | 3.0 | 0/1 | 3.62s |
| #79 | MiMo-V2-Omni none | Xiaomi | 1 | 3.0 | 0/1 | 1.30s |
| #80 | Mercury 2 medium | Inception | 1 | 3.0 | 0/1 | 2.58s |
| #81 | Gemini 2.5 Flash none | 1 | 3.0 | 0/1 | 1.15s | |
| #82 | Gemma 4 26B A4B none | 1 | 3.0 | 0/1 | 778ms | |
| #83 | GPT-5 Nano medium | OpenAI | 1 | 3.0 | 0/1 | 20.1s |
| #84 | DeepSeek V4 Pro none | DeepSeek | 1 | 3.0 | 0/1 | 15.6s |
| #85 | Nemotron 3 Super medium | NVIDIA | 1 | 3.0 | 0/1 | 55.3s |
| #86 | Seed-2.0-Lite none | Bytedance Seed | 1 | 3.0 | 0/1 | 1.96s |
| #87 | GLM 5V Turbo none | Z.ai | 1 | 3.0 | 0/1 | 2.23s |
| #88 | Owl Alpha medium | Openrouter | 1 | 3.0 | 0/1 | 2.38s |
| #89 | Qwen3.5-Flash none | Qwen | 1 | 3.0 | 0/1 | 588ms |