AI BENCHY زمرہ ناکامیاں
معلومات عامہ: غلط جواب
معلومات عامہ
غلط جواب
دیکھیں کہ معلومات عامہ 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) |
|---|---|---|---|---|---|---|
| #3 | Claude Opus 4.7 medium | Anthropic | 1 | 3.0 | 0/1 | 2.25s |
| #4 | GPT-5.5 medium | OpenAI | 1 | 2.8 | 0/1 | 37.9s |
| #5 | Claude Opus 4.7 none | Anthropic | 1 | 3.0 | 0/1 | 1.46s |
| #6 | GPT-5.5 low | OpenAI | 1 | 3.0 | 0/1 | 10.1s |
| #9 | Qwen3.6 Max Preview medium | Qwen | 1 | 3.0 | 0/1 | 60.6s |
| #11 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 3.0 | 0/1 | 48.3s |
| #12 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 3.0 | 0/1 | 103.8s |
| #13 | GPT-5.3-Codex medium | OpenAI | 1 | 2.8 | 0/1 | 14.4s |
| #14 | Gemma 4 31B medium | 1 | 3.0 | 0/1 | 90.1s | |
| #17 | Qwen3.5-27B medium | Qwen | 1 | 3.0 | 0/1 | 85.1s |
| #19 | GLM 5 medium | Z.ai | 1 | 3.0 | 0/1 | 67.4s |
| #20 | GLM 5 Turbo medium | Z.ai | 1 | 3.0 | 0/1 | 40.2s |
| #21 | Qwen3.6 35B A3B medium | Qwen | 1 | 3.0 | 0/1 | 32.9s |
| #22 | HY3 Preview high | Tencent | 1 | 3.0 | 0/1 | 47.7s |
| #23 | Gemini 3.1 Flash Lite Preview medium | 1 | 3.0 | 0/1 | 2.68s |