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) |
|---|---|---|---|---|---|---|
| #81 | Mercury 2 medium | Inception | 3 | 2.9 | 0/3 | 6.48s |
| #87 | Gemini 3.1 Flash Lite minimal | 3 | 2.9 | 0/3 | 1.02s | |
| #88 | Qwen3.7 Plus none | Qwen | 3 | 3.0 | 0/3 | 868ms |
| #90 | Gemini 3.1 Flash Lite none | 3 | 2.9 | 0/3 | 762ms | |
| #91 | GPT-5.5 none | OpenAI | 3 | 2.9 | 0/3 | 1.31s |
| #98 | GLM 5 none | Z.ai | 3 | 3.0 | 0/3 | 2.24s |
| #99 | gpt-oss-120b medium | OpenAI | 3 | 2.9 | 0/3 | 50.9s |
| #102 | Gemma 4 26B A4B none | 3 | 3.6 | 0/3 | 2.49s | |
| #106 | Grok 4.20 Beta none | X AI | 3 | 3.0 | 0/3 | 611ms |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 3 | 3.6 | 0/3 | 1.33s |
| #112 | GLM 5.1 none | Z.ai | 3 | 2.9 | 0/3 | 1.99s |
| #115 | Qwen3.5-27B none | Qwen | 3 | 3.0 | 0/3 | 540ms |
| #119 | Cobuddy medium | Baidu | 3 | 2.9 | 0/3 | 128.2s |
| #126 | gpt-oss-120b none | OpenAI | 3 | 3.0 | 0/3 | 35.0s |
| #136 | Elephant Alpha medium | Openrouter | 3 | 3.0 | 0/3 | 925ms |