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: درست ٹیسٹس ↓.
ناکامی کی وجوہات
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #16 | Gemini 3 Flash Preview low | 1 | 3.0 | 0/1 | 3.27s | |
| #34 | Qwen3.7 Max none | Qwen | 1 | 3.0 | 0/1 | 2.17s |
| #35 | Gemini 3 PRO Preview medium | 1 | 3.0 | 0/1 | 10.4s | |
| #48 | Gemini 3 Flash Preview none | 1 | 4.7 | 0/1 | 3.56s | |
| #50 | Gemini 3.1 Flash Lite Preview low | 1 | 3.0 | 0/1 | 11.9s | |
| #51 | Mimo V2 PRO medium | Xiaomi | 1 | 4.7 | 0/1 | 64.7s |
| #58 | Gemini 3.1 Flash Lite Preview none | 1 | 3.0 | 0/1 | 3.20s | |
| #61 | Gemini 3.1 Flash Lite low | 1 | 3.0 | 0/1 | 4.48s | |
| #74 | Qwen3.6 Max Preview none | Qwen | 1 | 3.0 | 0/1 | 20.5s |
| #87 | Gemini 3.1 Flash Lite minimal | 1 | 3.0 | 0/1 | 2.53s | |
| #90 | Gemini 3.1 Flash Lite none | 1 | 3.0 | 0/1 | 2.73s | |
| #91 | GPT-5.5 none | OpenAI | 1 | 3.0 | 0/1 | 5.56s |
| #95 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 3.0 | 0/1 | 6.65s |
| #97 | Gemini 2.5 Flash none | 1 | 3.0 | 0/1 | 4.39s | |
| #98 | GLM 5 none | Z.ai | 1 | 3.0 | 0/1 | 4.98s |