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) |
|---|---|---|---|---|---|---|
| #23 | MiMo-V2-Pro medium | Xiaomi | 1 | 4.7 | 0/1 | 64.7s |
| #63 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.0 | 0/1 | 47.4s |
| #70 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.0 | 0/1 | 46.0s |
| #87 | Qwen3 Coder Next none | Qwen | 1 | 3.0 | 0/1 | 45.1s |
| #60 | Gemma 4 26B A4B none | 1 | 3.0 | 0/1 | 30.5s | |
| #73 | Mistral Small 4 medium | Mistral | 1 | 3.0 | 0/1 | 25.3s |
| #88 | Nemotron 3 Super none | NVIDIA | 1 | 3.0 | 0/1 | 20.0s |
| #76 | Kimi K2.5 none | Moonshot AI | 1 | 2.8 | 0/1 | 19.2s |
| #72 | Hunter Alpha none | OpenRouter | 1 | 3.0 | 0/1 | 15.2s |
| #22 | Gemini 3.1 Flash Lite Preview low | 1 | 3.0 | 0/1 | 11.9s | |
| #12 | Gemini 3 PRO Preview medium | 1 | 3.0 | 0/1 | 10.4s | |
| #67 | Qwen3.5-27B none | Qwen | 1 | 2.8 | 0/1 | 9.39s |
| #78 | Trinity Large Preview none | Arcee AI | 1 | 3.0 | 0/1 | 8.91s |
| #89 | GPT-4o-mini none | OpenAI | 1 | 3.0 | 0/1 | 7.58s |
| #49 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 3.0 | 0/1 | 6.65s |