AI BENCHY زمرہ ناکامیاں
اینٹی اے آئی چالیں: غلط جواب
اینٹی اے آئی چالیں
غلط جواب
دیکھیں کہ اینٹی اے آئی چالیں میں کن AI ماڈلز کو غلط جواب پیش آنے کا سب سے زیادہ امکان ہے، تاکہ آپ کمزوریاں جلدی پہچان سکیں۔
ناکامی کی وجوہات
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #97 | Gemini 2.5 Flash none | 4 | 3.0 | 0/4 | 582ms | |
| #104 | Nemotron 3 Ultra 550b A55b none | NVIDIA | 4 | 3.5 | 0/4 | 2.35s |
| #106 | Grok 4.20 Beta none | X AI | 4 | 4.0 | 0/4 | 597ms |
| #108 | Qwen3.5-Flash none | Qwen | 4 | 3.5 | 0/4 | 1.32s |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 4 | 3.0 | 0/4 | 2.43s |
| #112 | GLM 5.1 none | Z.ai | 4 | 4.0 | 0/4 | 2.11s |
| #116 | Hunter Alpha none | OpenRouter | 4 | 3.5 | 0/4 | 3.81s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 4 | 3.4 | 0/4 | 1.43s |
| #118 | Qwen3.6 27B none | Qwen | 4 | 3.8 | 0/4 | 2.83s |
| #120 | Mimo V2 PRO none | Xiaomi | 4 | 3.5 | 0/4 | 1.80s |
| #125 | GPT-5.4 none | OpenAI | 4 | 3.2 | 0/4 | 1.21s |
| #128 | Qwen3.6 Flash none | Qwen | 4 | 3.1 | 0/4 | 1.63s |
| #134 | GLM 5 Turbo none | Z.ai | 4 | 3.0 | 0/4 | 2.84s |
| #135 | Kimi K2.5 none | Moonshot AI | 4 | 3.6 | 0/4 | 6.24s |
| #139 | DeepSeek V4 Flash none | DeepSeek | 4 | 3.0 | 0/4 | 20.2s |