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) |
|---|---|---|---|---|---|---|
| #122 | GLM 4.7 Flash none | Z.ai | 1 | 6.4 | 1/3 | 1.20s |
| #123 | MiMo-V2.5-Pro none | Xiaomi | 1 | 6.7 | 1/3 | 1.30s |
| #125 | GPT-5.4 none | OpenAI | 1 | 5.6 | 1/3 | 1.44s |
| #126 | gpt-oss-120b none | OpenAI | 1 | 6.0 | 1/3 | 8.21s |
| #129 | MiniMax M2.5 medium | Minimax | 1 | 5.3 | 1/3 | 11.2s |
| #130 | MiniMax M2.7 medium | Minimax | 1 | 5.9 | 1/3 | 24.9s |
| #134 | GLM 5 Turbo none | Z.ai | 1 | 5.5 | 1/3 | 2.65s |
| #136 | Elephant Alpha medium | Openrouter | 1 | 5.3 | 1/3 | 868ms |
| #139 | DeepSeek V4 Flash none | DeepSeek | 1 | 3.1 | 0/3 | 23.7s |
| #141 | Nemotron 3 Super none | NVIDIA | 1 | 5.5 | 1/3 | 2.36s |
| #143 | MiMo-V2.5 none | Xiaomi | 1 | 5.4 | 1/3 | 2.13s |
| #144 | GPT-5.4 Mini none | OpenAI | 1 | 5.4 | 1/3 | 836ms |
| #146 | Laguna Xs.2 none | Poolside | 1 | 5.3 | 1/3 | 650ms |
| #148 | GPT-5.4 Nano none | OpenAI | 1 | 5.4 | 1/3 | 1.25s |
| #153 | Qwen3.6 35B A3B none | Qwen | 1 | 3.2 | 0/3 | 1.07s |