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) |
|---|---|---|---|---|---|---|
| #48 | Gemini 3 Flash Preview none | 1 | 7.7 | 2/3 | 1.05s | |
| #54 | GPT-5 Mini medium | OpenAI | 1 | 5.6 | 1/3 | 15.2s |
| #55 | GLM 5.1 medium | Z.ai | 1 | 8.2 | 2/3 | 31.6s |
| #59 | GLM 5V Turbo medium | Z.ai | 1 | 7.7 | 2/3 | 10.2s |
| #60 | Kimi K2.6 medium | Moonshot AI | 1 | 6.0 | 1/3 | 25.1s |
| #62 | Step 3.5 Flash medium | Stepfun | 1 | 5.3 | 1/3 | 7.22s |
| #64 | MiMo-V2-Flash medium | Xiaomi | 1 | 7.7 | 2/3 | 3.87s |
| #65 | Grok 4.20 medium | X AI | 1 | 7.7 | 2/3 | 6.22s |
| #67 | MiniMax M3 medium | Minimax | 1 | 7.9 | 2/3 | 49.9s |
| #69 | Claude Opus 4.6 medium | Anthropic | 1 | 7.7 | 2/3 | 4.71s |
| #72 | DeepSeek V3.2 medium | DeepSeek | 1 | 7.0 | 1/3 | 37.7s |
| #73 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 8.2 | 2/3 | 31.8s |
| #75 | Ring-2.6-1T medium | Inclusionai | 1 | 5.9 | 1/3 | 20.7s |
| #76 | Kimi K2.5 medium | Moonshot AI | 1 | 5.3 | 1/3 | 43.2s |
| #78 | Qwen3.6 27B medium | Qwen | 1 | 7.7 | 2/3 | 61.1s |