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: درست ٹیسٹس ↓.
ناکامی کی وجوہات
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #11 | Gemini 3.1 Flash Lite Preview high | 1 | 7.7 | 2/3 | 46.3s | |
| #15 | Gemini 2.5 Flash medium | 1 | 7.7 | 2/3 | 3.94s | |
| #17 | Gemini 3.1 Flash Lite Preview medium | 1 | 7.7 | 2/3 | 3.58s | |
| #21 | Gemini 3 Flash Preview none | 1 | 7.7 | 2/3 | 1.06s | |
| #27 | DeepSeek V3.2 medium | DeepSeek | 1 | 8.2 | 2/3 | 36.9s |
| #28 | GPT-5.2 Chat none | OpenAI | 1 | 7.7 | 2/3 | 4.42s |
| #33 | GLM 5.1 medium | Z.ai | 1 | 8.2 | 2/3 | 23.8s |
| #37 | Claude Opus 4.6 medium | Anthropic | 1 | 7.7 | 2/3 | 4.60s |
| #39 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 8.2 | 2/3 | 25.9s |
| #41 | MiMo-V2-Flash medium | Xiaomi | 1 | 7.7 | 2/3 | 3.77s |
| #49 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 7.7 | 2/3 | 2.82s |
| #53 | GLM 5 none | Z.ai | 1 | 7.7 | 2/3 | 2.05s |
| #64 | DeepSeek V3.2 none | DeepSeek | 1 | 8.5 | 2/3 | 7.37s |
| #30 | Step 3.5 Flash medium | Stepfun | 1 | 5.3 | 1/3 | 7.72s |
| #35 | MiMo-V2-Omni medium | Xiaomi | 1 | 6.5 | 1/3 | 3.88s |