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۔ ترتیب دیں حسب: درست ٹیسٹس ↑.
ناکامی کی وجوہات
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #9 | Qwen3.6 Plus Preview medium | Qwen | 3 | 3.0 | 0/3 | 22.1s |
| #13 | GLM 5 medium | Z.ai | 2 | 3.5 | 0/3 | 0ms |
| #17 | Gemini 3.1 Flash Lite Preview medium | 3 | 3.0 | 0/3 | 4.21s | |
| #18 | GLM 5 Turbo medium | Z.ai | 2 | 2.9 | 0/3 | 71.1s |
| #19 | Qwen3.5-122B-A10B medium | Qwen | 3 | 2.9 | 0/3 | 63.4s |
| #20 | Qwen3.6 Plus medium | Qwen | 3 | 2.9 | 0/3 | 29.6s |
| #24 | Gemma 4 26B A4B medium | 2 | 2.9 | 0/3 | 23.6s | |
| #26 | Claude Sonnet 4.6 medium | Anthropic | 1 | 2.9 | 0/3 | 0ms |
| #35 | MiMo-V2-Omni medium | Xiaomi | 1 | 3.0 | 0/3 | 55.1s |
| #36 | GPT-5.3 Chat none | OpenAI | 3 | 3.5 | 0/3 | 13.0s |
| #37 | Claude Opus 4.6 medium | Anthropic | 1 | 3.0 | 0/3 | 83.4s |
| #43 | Qwen3.5-35B-A3B medium | Qwen | 1 | 4.1 | 0/3 | 88.3s |
| #44 | GPT-5.4 Mini medium | OpenAI | 3 | 4.1 | 0/3 | 65.3s |
| #45 | GPT-5 Mini medium | OpenAI | 2 | 3.6 | 0/3 | 44.6s |
| #46 | Kimi K2.5 medium | Moonshot AI | 2 | 3.5 | 0/3 | 137.3s |