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۔
ناکامی کی وجوہات
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #65 | MiMo-V2-Pro none | Xiaomi | 1 | 3.0 | 0/1 | 6.58s |
| #66 | GPT-5.4 none | OpenAI | 1 | 3.0 | 0/1 | 2.89s |
| #67 | Qwen3.5-27B none | Qwen | 1 | 2.8 | 0/1 | 9.39s |
| #69 | Kimi K2.6 none | Moonshot AI | 1 | 3.0 | 0/1 | 3.38s |
| #70 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.0 | 0/1 | 46.0s |
| #72 | Hunter Alpha none | OpenRouter | 1 | 3.0 | 0/1 | 15.2s |
| #73 | Mistral Small 4 medium | Mistral | 1 | 3.0 | 0/1 | 25.3s |
| #76 | Kimi K2.5 none | Moonshot AI | 1 | 2.8 | 0/1 | 19.2s |
| #77 | GLM 5 Turbo none | Z.ai | 1 | 3.0 | 0/1 | 4.89s |
| #78 | Trinity Large Preview none | Arcee AI | 1 | 3.0 | 0/1 | 8.91s |
| #81 | Elephant medium | Openrouter | 1 | 3.0 | 0/1 | 3.70s |
| #83 | Mistral Small 4 none | Mistral | 1 | 3.0 | 0/1 | 1.72s |
| #85 | Elephant none | Openrouter | 1 | 3.0 | 0/1 | 3.81s |
| #86 | GPT-5.4 Mini none | OpenAI | 1 | 3.0 | 0/1 | 2.52s |
| #87 | Qwen3 Coder Next none | Qwen | 1 | 3.0 | 0/1 | 45.1s |