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) |
|---|---|---|---|---|---|---|
| #137 | Elephant Alpha none | Openrouter | 3 | 3.0 | 0/3 | 927ms |
| #138 | Ling-2.6-flash none | Inclusionai | 3 | 3.0 | 0/3 | 4.95s |
| #141 | Nemotron 3 Super none | NVIDIA | 3 | 3.6 | 0/3 | 6.23s |
| #143 | MiMo-V2.5 none | Xiaomi | 3 | 3.0 | 0/3 | 756ms |
| #144 | GPT-5.4 Mini none | OpenAI | 3 | 3.5 | 0/3 | 937ms |
| #145 | Laguna M.1 none | Poolside | 3 | 3.6 | 0/3 | 5.50s |
| #147 | GPT-4o-mini none | OpenAI | 3 | 3.0 | 0/3 | 637ms |
| #148 | GPT-5.4 Nano none | OpenAI | 3 | 2.9 | 0/3 | 926ms |
| #153 | Qwen3.6 35B A3B none | Qwen | 3 | 3.5 | 0/3 | 7.45s |
| #154 | Qwen3.5-9B none | Qwen | 3 | 3.0 | 0/3 | 464ms |
| #159 | Ling-2.6-1T none | Inclusionai | 3 | 3.0 | 0/3 | 1.04s |
| #162 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 3 | 3.6 | 0/3 | 489ms |
| #163 | Granite 4.1 8B none | IBM Granite | 3 | 3.0 | 0/3 | 357ms |
| #5 | Qwen3.7 Max medium | Qwen | 2 | 5.9 | 1/3 | 24.9s |
| #6 | GPT-5.5 low | OpenAI | 2 | 5.3 | 1/3 | 28.1s |