AI BENCHY زمرہ ناکامیاں
پہیلی حل کرنا: غلط جواب
پہیلی حل کرنا
غلط جواب
دیکھیں کہ پہیلی حل کرنا 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) |
|---|---|---|---|---|---|---|
| #108 | Qwen3.5-Flash none | Qwen | 3 | 3.1 | 0/3 | 10.9s |
| #135 | Kimi K2.5 none | Moonshot AI | 3 | 3.0 | 0/3 | 4.04s |
| #140 | Qwen3 Coder Next none | Qwen | 3 | 3.0 | 0/3 | 24.3s |
| #155 | Mercury 2 none | Inception | 3 | 3.1 | 0/3 | 535ms |
| #157 | Grok 4.1 Fast none | X AI | 3 | 3.0 | 0/3 | 1.10s |
| #22 | Step 3.7 Flash medium | Stepfun | 2 | 5.7 | 1/3 | 6.19s |
| #41 | Nemotron 3 Ultra 550b A55b medium | NVIDIA | 2 | 5.5 | 1/3 | 3.54s |
| #57 | Step 3.7 Flash low | Stepfun | 2 | 5.5 | 1/3 | 1.84s |
| #70 | GPT-5.4 Nano medium | OpenAI | 2 | 4.1 | 0/3 | 3.79s |
| #71 | Step 3.7 Flash high | Stepfun | 2 | 5.3 | 1/3 | 10.2s |
| #105 | Nemotron 3 Super medium | NVIDIA | 2 | 3.0 | 0/3 | 3.15s |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 2 | 5.3 | 1/3 | 2.78s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 2 | 6.7 | 1/3 | 1.97s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 2 | 3.7 | 0/3 | 1.35s |
| #119 | Cobuddy medium | Baidu | 2 | 3.6 | 0/3 | 12.8s |