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) |
|---|---|---|---|---|---|---|
| #55 | MiMo-V2-Omni none | Xiaomi | 2 | 5.3 | 1/3 | 1.14s |
| #56 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 2.9 | 0/3 | 24.7s |
| #58 | GLM 5V Turbo none | Z.ai | 2 | 5.3 | 1/3 | 2.09s |
| #62 | Gemini 2.5 Flash none | 2 | 5.9 | 1/3 | 495ms | |
| #65 | MiMo-V2-Pro none | Xiaomi | 2 | 5.3 | 1/3 | 1.78s |
| #66 | GPT-5.4 none | OpenAI | 2 | 5.3 | 1/3 | 1.07s |
| #69 | Kimi K2.6 none | Moonshot AI | 2 | 5.3 | 1/3 | 1.48s |
| #70 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.3 | 1/3 | 465ms |
| #71 | MiniMax M2.5 medium | Minimax | 2 | 2.9 | 0/3 | 237.3s |
| #72 | Hunter Alpha none | OpenRouter | 2 | 5.3 | 1/3 | 2.33s |
| #76 | Kimi K2.5 none | Moonshot AI | 2 | 5.3 | 1/3 | 4.38s |
| #77 | GLM 5 Turbo none | Z.ai | 2 | 5.3 | 1/3 | 1.97s |
| #78 | Trinity Large Preview none | Arcee AI | 2 | 5.3 | 1/3 | 877ms |
| #82 | Grok 4.20 none | X AI | 2 | 3.0 | 0/3 | 687ms |
| #83 | Mistral Small 4 none | Mistral | 2 | 5.3 | 1/3 | 367ms |