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) |
|---|---|---|---|---|---|---|
| #25 | Qwen3.5-27B medium | Qwen | 1 | 7.0 | 1/2 | 123.9s |
| #26 | Qwen3.7 Max none | Qwen | 1 | 6.8 | 1/2 | 1.39s |
| #27 | GPT-5.4 medium | OpenAI | 1 | 8.2 | 1/2 | 55.0s |
| #33 | Qwen3.6 Plus medium | Qwen | 1 | 4.1 | 0/2 | 201.7s |
| #34 | Gemini 3.1 Flash Lite Preview medium | 1 | 6.8 | 1/2 | 3.98s | |
| #35 | Gemini 3.1 Flash Lite medium | 1 | 6.8 | 1/2 | 3.59s | |
| #36 | Gemini 2.5 Flash medium | 1 | 6.6 | 1/2 | 54.6s | |
| #38 | Qwen3.5-122B-A10B medium | Qwen | 1 | 4.1 | 0/2 | 119.6s |
| #39 | Gemini 3 Flash Preview none | 1 | 6.8 | 1/2 | 2.19s | |
| #41 | Gemini 3.1 Flash Lite Preview low | 1 | 6.8 | 1/2 | 1.56s | |
| #42 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 1 | 5.4 | 1/2 | 137.5s |
| #43 | GPT-5.2 Chat none | OpenAI | 1 | 8.2 | 1/2 | 8.05s |
| #44 | MiMo-V2-Pro medium | Xiaomi | 1 | 7.5 | 1/2 | 94.2s |
| #45 | Grok Build 0.1 medium | X AI | 1 | 5.3 | 0/2 | 67.4s |
| #49 | Gemini 3.1 Flash Lite Preview none | 1 | 6.8 | 1/2 | 1.06s |