AI BENCHY زمرہ ناکامیاں
کوڈنگ: غلط جواب
کوڈنگ
غلط جواب
دیکھیں کہ کوڈنگ 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) |
|---|---|---|---|---|---|---|
| #59 | Qwen3.6 Flash medium | Qwen | 2 | 5.1 | 0/2 | 51.9s |
| #66 | Qwen3.6 Max Preview none | Qwen | 2 | 4.2 | 0/2 | 3.06s |
| #77 | Grok 4.20 medium | X AI | 2 | 4.1 | 0/2 | 65.1s |
| #88 | Qwen3.5 Plus 2026-02-15 none | Qwen | 2 | 4.9 | 0/2 | 2.54s |
| #89 | GLM 5 none | Z.ai | 2 | 4.6 | 0/2 | 5.18s |
| #94 | GPT-5 Nano medium | OpenAI | 2 | 5.4 | 0/2 | 47.8s |
| #95 | DeepSeek V4 Pro none | DeepSeek | 2 | 5.4 | 0/2 | 8.27s |
| #109 | GLM 4.7 Flash none | Z.ai | 2 | 5.0 | 0/2 | 3.35s |
| #111 | gpt-oss-120b medium | OpenAI | 2 | 3.9 | 0/2 | 47.2s |
| #113 | GLM 5.1 none | Z.ai | 2 | 4.3 | 0/2 | 6.33s |
| #121 | Mistral Small 4 medium | Mistral | 2 | 5.1 | 0/2 | 44.8s |
| #124 | Qwen3.5-122B-A10B none | Qwen | 2 | 4.0 | 0/2 | 2.14s |
| #125 | GLM 5 Turbo none | Z.ai | 2 | 4.4 | 0/2 | 2.58s |
| #131 | DeepSeek V4 Flash none | DeepSeek | 2 | 4.8 | 0/2 | 24.5s |
| #132 | Qwen3 Coder Next none | Qwen | 2 | 5.4 | 0/2 | 2.01s |