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) |
|---|---|---|---|---|---|---|
| #76 | Kimi K2.5 none | Moonshot AI | 3 | 3.1 | 0/3 | 4.73s |
| #87 | Qwen3 Coder Next none | Qwen | 3 | 3.2 | 0/3 | 22.9s |
| #89 | GPT-4o-mini none | OpenAI | 3 | 3.7 | 0/3 | 1.30s |
| #91 | Mercury 2 none | Inception | 3 | 3.1 | 0/3 | 533ms |
| #94 | MiMo-V2-Flash none | Xiaomi | 3 | 3.6 | 0/3 | 1.38s |
| #95 | Grok 4.1 Fast none | X AI | 3 | 3.2 | 0/3 | 1.28s |
| #59 | Qwen3.5-Flash none | Qwen | 2 | 3.3 | 0/3 | 5.90s |
| #61 | Seed-2.0-Lite none | Bytedance Seed | 2 | 5.2 | 1/3 | 2.46s |
| #63 | Qwen3.5-35B-A3B none | Qwen | 2 | 3.9 | 0/3 | 1.34s |
| #70 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.4 | 1/3 | 982ms |
| #78 | Trinity Large Preview none | Arcee AI | 2 | 5.4 | 1/3 | 3.30s |
| #85 | Elephant none | Openrouter | 2 | 3.3 | 0/3 | 849ms |
| #93 | GLM 4.7 Flash medium | Z.ai | 2 | 2.9 | 0/3 | 12.9s |
| #96 | GPT-5.4 Nano none | OpenAI | 2 | 3.7 | 0/3 | 1.29s |
| #11 | Gemini 3.1 Flash Lite Preview high | 1 | 7.7 | 2/3 | 46.3s |