AI BENCHY زمرہ ناکامیاں
ڈومین مخصوص: غلط جواب
ڈومین مخصوص
غلط جواب
دیکھیں کہ ڈومین مخصوص 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) |
|---|---|---|---|---|---|---|
| #14 | Qwen3.6 Max Preview medium | Qwen | 3 | 2.9 | 0/3 | 95.9s |
| #18 | Qwen3.7 Plus medium | Qwen | 3 | 3.6 | 0/3 | 45.3s |
| #26 | Qwen3.6 Plus medium | Qwen | 3 | 2.9 | 0/3 | 29.6s |
| #29 | Qwen3.5-122B-A10B medium | Qwen | 3 | 2.9 | 0/3 | 63.4s |
| #31 | DeepSeek V4 Flash high | DeepSeek | 3 | 4.1 | 0/3 | 100.3s |
| #36 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 3 | 2.9 | 0/3 | 53.1s |
| #39 | Qwen3.6 Flash medium | Qwen | 3 | 3.5 | 0/3 | 14.6s |
| #40 | Gemini 3.1 Flash Lite Preview medium | 3 | 3.0 | 0/3 | 4.21s | |
| #41 | Nemotron 3 Ultra 550b A55b medium | NVIDIA | 3 | 3.5 | 0/3 | 24.9s |
| #44 | Gemini 3.1 Flash Lite medium | 3 | 2.9 | 0/3 | 3.16s | |
| #45 | GPT-5.4 Mini medium | OpenAI | 3 | 4.1 | 0/3 | 65.3s |
| #53 | Gemini 3.1 Flash Lite high | 3 | 3.6 | 0/3 | 139.9s | |
| #63 | GPT-5.3 Chat none | OpenAI | 3 | 3.5 | 0/3 | 13.0s |
| #75 | Ring-2.6-1T medium | Inclusionai | 3 | 3.5 | 0/3 | 64.9s |
| #78 | Qwen3.6 27B medium | Qwen | 3 | 2.9 | 0/3 | 73.4s |