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۔
ناکامی کی وجوہات
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #24 | Grok 4.3 medium | X AI | 1 | 3.0 | 0/1 | 44.5s |
| #25 | Gemini 2.5 Flash medium | 1 | 3.0 | 0/1 | 2.76s | |
| #26 | GPT-5.4 medium | OpenAI | 1 | 3.0 | 0/1 | 14.0s |
| #27 | Gemini 3.1 Flash Lite medium | 1 | 3.0 | 0/1 | 3.08s | |
| #28 | Qwen3.6 Plus medium | Qwen | 1 | 3.0 | 0/1 | 47.5s |
| #29 | Gemini 3 Flash Preview none | 1 | 3.0 | 0/1 | 1.07s | |
| #30 | Gemini 3.1 Flash Lite Preview low | 1 | 3.0 | 0/1 | 1.35s | |
| #31 | Qwen3.5-122B-A10B medium | Qwen | 1 | 3.0 | 0/1 | 52.9s |
| #33 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 1 | 3.0 | 0/1 | 92.6s |
| #34 | HY3 Preview medium | Tencent | 1 | 3.0 | 0/1 | 39.9s |
| #35 | Claude Sonnet 4.6 medium | Anthropic | 1 | 3.0 | 0/1 | 30.1s |
| #36 | Step 3.5 Flash none | Stepfun | 1 | 3.0 | 0/1 | 114.1s |
| #37 | MiMo-V2-Pro medium | Xiaomi | 1 | 3.0 | 0/1 | 82.7s |
| #38 | Gemma 4 26B A4B medium | 1 | 3.0 | 0/1 | 180.9s | |
| #39 | HY3 Preview low | Tencent | 1 | 3.0 | 0/1 | 41.7s |