AI BENCHY ناکامیاں
غلط جواب ناکامیاں
دیکھیں کہ کن AI ماڈلز میں غلط جواب سب سے زیادہ ہوتا ہے، تاکہ آپ انتخاب سے پہلے قابلِ اعتماد ہونے کے خطرات سمجھ سکیں۔ ترتیب دیں حسب: ناکامیوں کی تعداد ↑.
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #117 | Qwen3.5-35B-A3B none | Qwen | 12 | 5.6 | 7/21 | 3.37s |
| #128 | Qwen3.6 Flash none | Qwen | 12 | 5.4 | 7/21 | 1.60s |
| #132 | Mistral Small 4 medium | Mistral | 12 | 5.3 | 5/21 | 9.40s |
| #139 | DeepSeek V4 Flash none | DeepSeek | 12 | 5.0 | 5/21 | 26.8s |
| #151 | Trinity Large Preview none | Arcee AI | 12 | 4.6 | 4/21 | 2.98s |
| #159 | Ling-2.6-1T none | Inclusionai | 12 | 4.3 | 3/21 | 7.72s |
| #108 | Qwen3.5-Flash none | Qwen | 13 | 5.8 | 8/21 | 3.58s |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 13 | 5.8 | 8/21 | 2.49s |
| #112 | GLM 5.1 none | Z.ai | 13 | 5.7 | 7/21 | 4.10s |
| #122 | GLM 4.7 Flash none | Z.ai | 13 | 5.5 | 6/21 | 2.86s |
| #125 | GPT-5.4 none | OpenAI | 13 | 5.5 | 7/21 | 1.42s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 13 | 5.3 | 6/21 | 3.41s |
| #134 | GLM 5 Turbo none | Z.ai | 13 | 5.2 | 6/21 | 2.82s |
| #144 | GPT-5.4 Mini none | OpenAI | 13 | 4.9 | 5/21 | 1.13s |
| #150 | Qwen3 Coder Next medium | Qwen | 13 | 4.6 | 4/21 | 8.58s |