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) |
|---|---|---|---|---|---|---|
| #124 | Kimi K2.6 none | Moonshot AI | 2 | 3.1 | 0/3 | 1.40s |
| #127 | Grok 4.20 none | X AI | 2 | 5.3 | 1/3 | 473ms |
| #128 | Qwen3.6 Flash none | Qwen | 2 | 3.5 | 0/3 | 1.21s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 2 | 3.8 | 0/3 | 1.00s |
| #132 | Mistral Small 4 medium | Mistral | 2 | 3.4 | 0/3 | 2.17s |
| #137 | Elephant Alpha none | Openrouter | 2 | 4.2 | 0/3 | 807ms |
| #138 | Ling-2.6-flash none | Inclusionai | 2 | 2.9 | 0/3 | 6.51s |
| #142 | Mistral Small 4 none | Mistral | 2 | 3.1 | 0/3 | 399ms |
| #145 | Laguna M.1 none | Poolside | 2 | 3.0 | 0/3 | 891ms |
| #147 | GPT-4o-mini none | OpenAI | 2 | 3.5 | 0/3 | 1.21s |
| #149 | Nemotron 3 Nano Omni 30b A3b Reasoning medium | NVIDIA | 2 | 2.9 | 0/3 | 1.40s |
| #150 | Qwen3 Coder Next medium | Qwen | 2 | 3.0 | 0/3 | 1.25s |
| #151 | Trinity Large Preview none | Arcee AI | 2 | 3.6 | 0/3 | 1.97s |
| #152 | MiMo-V2-Flash none | Xiaomi | 2 | 5.3 | 1/3 | 1.86s |
| #154 | Qwen3.5-9B none | Qwen | 2 | 3.2 | 0/3 | 621ms |