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) |
|---|---|---|---|---|---|---|
| #56 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 3.0 | 0/1 | 56.8s |
| #57 | Qwen3.5-35B-A3B medium | Qwen | 1 | 3.0 | 0/1 | 177.4s |
| #58 | GPT-5.2 medium | OpenAI | 1 | 3.0 | 0/1 | 28.2s |
| #59 | DeepSeek V3.2 medium | DeepSeek | 1 | 3.0 | 0/1 | 84.0s |
| #60 | GPT-5.4 Mini medium | OpenAI | 1 | 3.0 | 0/1 | 30.1s |
| #61 | Claude Sonnet 4.6 none | Anthropic | 1 | 3.0 | 0/1 | 4.67s |
| #62 | MiMo-V2-Omni medium | Xiaomi | 1 | 3.0 | 0/1 | 234.2s |
| #64 | Gemma 4 31B none | 1 | 3.0 | 0/1 | 1.25s | |
| #65 | DeepSeek V4 Pro high | DeepSeek | 1 | 3.0 | 0/1 | 39.1s |
| #66 | Grok 4.20 medium | X AI | 1 | 3.0 | 0/1 | 63.5s |
| #67 | GPT-5 Mini medium | OpenAI | 1 | 3.0 | 0/1 | 9.99s |
| #68 | Gemini 3.1 Flash Lite minimal | 1 | 3.0 | 0/1 | 724ms | |
| #69 | Kimi K2.5 medium | Moonshot AI | 1 | 3.0 | 0/1 | 83.9s |
| #70 | Qwen3.6 27B medium | Qwen | 1 | 3.0 | 0/1 | 81.0s |
| #72 | GPT-5.5 none | OpenAI | 1 | 3.0 | 0/1 | 5.01s |