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: ردِعمل کا وقت (اوسط) ↓.
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #6 | Seed-2.0-Lite medium | Bytedance Seed | 3 | 8.6 | 13/18 | 30.4s |
| #30 | Step 3.5 Flash medium | Stepfun | 3 | 7.9 | 11/17 | 26.8s |
| #24 | Gemma 4 26B A4B medium | 2 | 8.0 | 13/18 | 25.0s | |
| #14 | Gemma 4 31B medium | 1 | 8.3 | 13/18 | 24.9s | |
| #33 | GLM 5.1 medium | Z.ai | 3 | 7.8 | 12/18 | 24.1s |
| #45 | GPT-5 Mini medium | OpenAI | 4 | 7.0 | 9/18 | 24.0s |
| #52 | Grok 4.1 Fast medium | X AI | 3 | 6.7 | 9/18 | 23.9s |
| #41 | MiMo-V2-Flash medium | Xiaomi | 3 | 7.5 | 11/18 | 23.4s |
| #13 | GLM 5 medium | Z.ai | 2 | 8.4 | 13/18 | 23.3s |
| #37 | Claude Opus 4.6 medium | Anthropic | 2 | 7.6 | 12/18 | 21.1s |
| #51 | Nemotron 3 Super medium | NVIDIA | 3 | 6.7 | 9/18 | 19.1s |
| #16 | GPT-5.4 medium | OpenAI | 3 | 8.2 | 13/18 | 18.6s |
| #18 | GLM 5 Turbo medium | Z.ai | 3 | 8.1 | 12/18 | 17.7s |
| #35 | MiMo-V2-Omni medium | Xiaomi | 3 | 7.7 | 11/18 | 16.8s |
| #68 | gpt-oss-120b medium | OpenAI | 7 | 5.8 | 7/18 | 16.1s |