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
133/133
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #144 | Ring-2.6-1T none | Inclusionai | 1 | 3.0 | $0.026 | 0/1 | 133.6s |
| #145 | GPT-5.4 Nano none | OpenAI | 1 | 3.0 | $0.011 | 0/1 | 773ms |
| #146 | MiniMax M2.5 medium | Minimax | 1 | 3.0 | $0.303 | 0/1 | 80.8s |
| #148 | Qwen3 Coder Next medium | Qwen | 1 | 3.0 | $0.008 | 0/1 | 399ms |
| #151 | Mercury 2 none | Inception | 1 | 3.0 | $0.011 | 0/1 | 548ms |
| #157 | GLM 4.7 Flash medium | Z.ai | 1 | 3.0 | $0.054 | 0/1 | 11.1s |
| #158 | Hy3 preview none | Tencent | 1 | 3.0 | $0.003 | 0/1 | 2.71s |
| #159 | MiMo-V2-Flash none | Xiaomi | 1 | 3.0 | $0.025 | 0/1 | 1.82s |
| #160 | Grok Build 0.1 none | X AI | 1 | 3.0 | $0.547 | 0/1 | 36.1s |
| #161 | Grok 4.1 Fast none | X AI | 1 | 3.0 | $0.008 | 0/1 | 731ms |
| #163 | Granite 4.1 8B none | IBM Granite | 1 | 3.0 | $0.003 | 0/1 | 306ms |
| #164 | gpt-oss-120b none | OpenAI | 1 | 3.0 | $0.010 | 0/1 | 47.3s |
| #168 | Step 3.5 Flash none | Stepfun | 1 | 3.0 | $0.020 | 0/1 | 114.1s |