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: اسکور ↑.
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #118 | Qwen3.6 27B none | Qwen | 11 | 5.6 | 7/21 | 3.72s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 12 | 5.6 | 7/21 | 3.37s |
| #116 | Hunter Alpha none | OpenRouter | 9 | 5.7 | 6/18 | 4.70s |
| #115 | Qwen3.5-27B none | Qwen | 12 | 5.7 | 7/21 | 1.68s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 12 | 5.7 | 7/21 | 4.39s |
| #113 | DeepSeek V4 Pro none | DeepSeek | 10 | 5.7 | 7/21 | 12.4s |
| #112 | GLM 5.1 none | Z.ai | 13 | 5.7 | 7/21 | 4.10s |
| #111 | Owl Alpha medium | Openrouter | 10 | 5.7 | 8/21 | 11.9s |
| #110 | Seed-2.0-Lite none | Bytedance Seed | 13 | 5.8 | 8/21 | 2.49s |
| #109 | GLM 5V Turbo none | Z.ai | 11 | 5.8 | 8/21 | 2.99s |
| #108 | Qwen3.5-Flash none | Qwen | 13 | 5.8 | 8/21 | 3.58s |
| #107 | Laguna Xs.2 medium | Poolside | 6 | 5.8 | 6/19 | 6.73s |
| #106 | Grok 4.20 Beta none | X AI | 10 | 5.8 | 6/18 | 1.19s |
| #105 | Nemotron 3 Super medium | NVIDIA | 5 | 5.8 | 8/21 | 32.0s |
| #104 | Nemotron 3 Ultra 550b A55b none | NVIDIA | 12 | 6.0 | 8/21 | 2.27s |