AI BENCHY زمرہ ناکامیاں
مشترکہ: غلط جواب
مشترکہ
غلط جواب
دیکھیں کہ مشترکہ 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) |
|---|---|---|---|---|---|---|
| #91 | Mercury 2 none | Inception | 1 | 3.0 | 0/1 | 606ms |
| #83 | Mistral Small 4 none | Mistral | 1 | 3.0 | 0/1 | 1.72s |
| #55 | MiMo-V2-Omni none | Xiaomi | 1 | 3.0 | 0/1 | 2.47s |
| #86 | GPT-5.4 Mini none | OpenAI | 1 | 3.0 | 0/1 | 2.52s |
| #94 | MiMo-V2-Flash none | Xiaomi | 1 | 3.0 | 0/1 | 2.87s |
| #66 | GPT-5.4 none | OpenAI | 1 | 3.0 | 0/1 | 2.89s |
| #29 | Gemini 3.1 Flash Lite Preview none | 1 | 3.0 | 0/1 | 3.20s | |
| #5 | Gemini 3 Flash Preview low | 1 | 3.0 | 0/1 | 3.27s | |
| #95 | Grok 4.1 Fast none | X AI | 1 | 3.0 | 0/1 | 3.33s |
| #69 | Kimi K2.6 none | Moonshot AI | 1 | 3.0 | 0/1 | 3.38s |
| #21 | Gemini 3 Flash Preview none | 1 | 4.7 | 0/1 | 3.56s | |
| #81 | Elephant medium | Openrouter | 1 | 3.0 | 0/1 | 3.70s |
| #85 | Elephant none | Openrouter | 1 | 3.0 | 0/1 | 3.81s |
| #96 | GPT-5.4 Nano none | OpenAI | 1 | 3.0 | 0/1 | 3.84s |
| #92 | Qwen3 Coder Next medium | Qwen | 1 | 3.0 | 0/1 | 4.28s |