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) |
|---|---|---|---|---|---|---|
| #125 | GPT-5.4 none | OpenAI | 1 | 3.0 | 0/1 | 2.89s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.0 | 0/1 | 46.0s |
| #132 | Mistral Small 4 medium | Mistral | 1 | 3.0 | 0/1 | 25.3s |
| #134 | GLM 5 Turbo none | Z.ai | 1 | 3.0 | 0/1 | 4.89s |
| #135 | Kimi K2.5 none | Moonshot AI | 1 | 2.8 | 0/1 | 19.2s |
| #136 | Elephant Alpha medium | Openrouter | 1 | 3.0 | 0/1 | 3.70s |
| #137 | Elephant Alpha none | Openrouter | 1 | 3.0 | 0/1 | 3.81s |
| #140 | Qwen3 Coder Next none | Qwen | 1 | 3.0 | 0/1 | 45.1s |
| #141 | Nemotron 3 Super none | NVIDIA | 1 | 3.0 | 0/1 | 16.4s |
| #142 | Mistral Small 4 none | Mistral | 1 | 3.0 | 0/1 | 1.72s |
| #143 | MiMo-V2.5 none | Xiaomi | 1 | 3.0 | 0/1 | 2.36s |
| #144 | GPT-5.4 Mini none | OpenAI | 1 | 3.0 | 0/1 | 2.52s |
| #146 | Laguna Xs.2 none | Poolside | 1 | 3.0 | 0/1 | 2.01s |
| #147 | GPT-4o-mini none | OpenAI | 1 | 3.0 | 0/1 | 7.58s |
| #148 | GPT-5.4 Nano none | OpenAI | 1 | 3.0 | 0/1 | 3.84s |