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۔ ترتیب دیں حسب: ردِعمل کا وقت (اوسط) ↑.
ناکامی کی وجوہات
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #83 | Mistral Small 4 none | Mistral | 4 | 3.4 | 0/4 | 395ms |
| #98 | LFM2-24B-A2B none | Liquid | 3 | 3.3 | 0/3 | 471ms |
| #91 | Mercury 2 none | Inception | 4 | 3.0 | 0/4 | 483ms |
| #82 | Grok 4.20 none | X AI | 3 | 4.8 | 1/4 | 501ms |
| #62 | Gemini 2.5 Flash none | 4 | 3.0 | 0/4 | 582ms | |
| #79 | Grok 4.20 Beta none | X AI | 4 | 4.0 | 0/4 | 597ms |
| #67 | Qwen3.5-27B none | Qwen | 3 | 4.8 | 1/4 | 788ms |
| #86 | GPT-5.4 Mini none | OpenAI | 4 | 3.1 | 0/4 | 929ms |
| #85 | Elephant none | Openrouter | 1 | 6.6 | 2/4 | 963ms |
| #29 | Gemini 3.1 Flash Lite Preview none | 1 | 7.5 | 2/4 | 1.04s | |
| #95 | Grok 4.1 Fast none | X AI | 3 | 3.2 | 0/4 | 1.07s |
| #55 | MiMo-V2-Omni none | Xiaomi | 3 | 4.8 | 1/4 | 1.10s |
| #54 | Mercury 2 medium | Inception | 1 | 6.9 | 2/4 | 1.12s |
| #96 | GPT-5.4 Nano none | OpenAI | 4 | 3.5 | 0/4 | 1.18s |
| #81 | Elephant medium | Openrouter | 2 | 6.6 | 2/4 | 1.19s |