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۔ ترتیب دیں حسب: ردِعمل کا وقت (اوسط) ↑.
ناکامی کی وجوہات
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #82 | Grok 4.20 none | X AI | 1 | 5.3 | 1/3 | 487ms |
| #91 | Mercury 2 none | Inception | 3 | 3.1 | 0/3 | 533ms |
| #79 | Grok 4.20 Beta none | X AI | 1 | 5.9 | 1/3 | 541ms |
| #62 | Gemini 2.5 Flash none | 1 | 5.7 | 1/3 | 576ms | |
| #83 | Mistral Small 4 none | Mistral | 1 | 3.1 | 0/3 | 589ms |
| #90 | Qwen3.5-9B none | Qwen | 1 | 3.2 | 0/3 | 683ms |
| #60 | Gemma 4 26B A4B none | 1 | 5.7 | 1/3 | 739ms | |
| #85 | Elephant none | Openrouter | 2 | 3.3 | 0/3 | 849ms |
| #86 | GPT-5.4 Mini none | OpenAI | 1 | 5.4 | 1/3 | 860ms |
| #81 | Elephant medium | Openrouter | 1 | 3.7 | 0/3 | 867ms |
| #54 | Mercury 2 medium | Inception | 1 | 3.9 | 0/3 | 934ms |
| #70 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.4 | 1/3 | 982ms |
| #74 | GLM 4.7 Flash none | Z.ai | 1 | 4.4 | 0/3 | 1.00s |
| #21 | Gemini 3 Flash Preview none | 1 | 7.7 | 2/3 | 1.06s | |
| #95 | Grok 4.1 Fast none | X AI | 3 | 3.2 | 0/3 | 1.28s |