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) |
|---|---|---|---|---|---|---|
| #48 | Gemini 3 Flash Preview none | 1 | 8.3 | 3/4 | 1.25s | |
| #50 | Gemini 3.1 Flash Lite Preview low | 1 | 8.3 | 3/4 | 2.12s | |
| #52 | Claude Sonnet 4.6 medium | Anthropic | 1 | 6.5 | 2/4 | 2.98s |
| #53 | Gemini 3.1 Flash Lite high | 1 | 8.7 | 3/4 | 37.2s | |
| #54 | GPT-5 Mini medium | OpenAI | 1 | 7.1 | 2/4 | 13.9s |
| #57 | Step 3.7 Flash low | Stepfun | 1 | 8.7 | 3/4 | 4.02s |
| #58 | Gemini 3.1 Flash Lite Preview none | 1 | 7.5 | 2/4 | 1.04s | |
| #59 | GLM 5V Turbo medium | Z.ai | 1 | 7.2 | 2/4 | 10.8s |
| #60 | Kimi K2.6 medium | Moonshot AI | 1 | 7.0 | 2/4 | 11.6s |
| #63 | GPT-5.3 Chat none | OpenAI | 1 | 6.7 | 2/4 | 3.86s |
| #65 | Grok 4.20 medium | X AI | 1 | 8.2 | 3/4 | 3.95s |
| #70 | GPT-5.4 Nano medium | OpenAI | 1 | 8.3 | 3/4 | 4.52s |
| #73 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 6.6 | 2/4 | 74.7s |
| #76 | Kimi K2.5 medium | Moonshot AI | 1 | 7.3 | 2/4 | 51.4s |
| #77 | Claude Sonnet 4.6 none | Anthropic | 1 | 4.8 | 1/4 | 2.94s |