AI BENCHY ناکامیاں
اضافی فارمیٹنگ ناکامیاں
دیکھیں کہ کن AI ماڈلز میں اضافی فارمیٹنگ سب سے زیادہ ہوتا ہے، تاکہ آپ انتخاب سے پہلے قابلِ اعتماد ہونے کے خطرات سمجھ سکیں۔ ترتیب دیں حسب: ردِعمل کا وقت (اوسط) ↓.
| درجہ | ماڈل | کمپنی | اضافی فارمیٹنگ کی تعداد | اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #161 | Qwen3.5-9B medium | Qwen | 1 | 4.2 | 3/21 | 82.2s |
| #30 | Qwen3.5-27B medium | Qwen | 1 | 7.8 | 13/21 | 68.4s |
| #67 | MiniMax M3 medium | Minimax | 1 | 7.1 | 11/21 | 68.2s |
| #47 | Grok Build 0.1 medium | X AI | 3 | 7.4 | 13/21 | 49.9s |
| #38 | Grok 4.3 medium | X AI | 1 | 7.6 | 13/21 | 47.5s |
| #80 | Mimo V2 Omni medium | Xiaomi | 1 | 6.7 | 10/21 | 41.2s |
| #55 | GLM 5.1 medium | Z.ai | 1 | 7.3 | 12/21 | 33.7s |
| #65 | Grok 4.20 medium | X AI | 1 | 7.1 | 12/21 | 27.7s |
| #56 | MiMo-V2.5 medium | Xiaomi | 2 | 7.3 | 12/21 | 27.1s |
| #139 | DeepSeek V4 Flash none | DeepSeek | 2 | 5.0 | 5/21 | 26.8s |
| #43 | MiMo-V2.5-Pro medium | Xiaomi | 3 | 7.5 | 12/21 | 26.1s |
| #69 | Claude Opus 4.6 medium | Anthropic | 5 | 7.0 | 12/21 | 25.9s |
| #51 | Mimo V2 PRO medium | Xiaomi | 1 | 7.4 | 12/21 | 22.2s |
| #64 | MiMo-V2-Flash medium | Xiaomi | 1 | 7.2 | 12/21 | 20.1s |
| #52 | Claude Sonnet 4.6 medium | Anthropic | 3 | 7.4 | 13/21 | 17.1s |