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) |
|---|---|---|---|---|---|---|
| #75 | GLM 5.1 none | Z.ai | 10 | 5.6 | 5/18 | 4.33s |
| #53 | GLM 5 none | Z.ai | 9 | 6.6 | 9/18 | 4.23s |
| #48 | Gemma 4 31B none | 5 | 6.9 | 10/18 | 4.02s | |
| #63 | Qwen3.5-35B-A3B none | Qwen | 9 | 6.1 | 7/18 | 3.82s |
| #17 | Gemini 3.1 Flash Lite Preview medium | 4 | 8.2 | 13/18 | 3.74s | |
| #70 | Qwen3.5-122B-A10B none | Qwen | 11 | 5.7 | 6/18 | 3.69s |
| #3 | Claude Opus 4.7 medium | Anthropic | 1 | 9.2 | 16/18 | 3.53s |
| #74 | GLM 4.7 Flash none | Z.ai | 10 | 5.6 | 5/18 | 3.35s |
| #59 | Qwen3.5-Flash none | Qwen | 9 | 6.2 | 8/18 | 3.25s |
| #22 | Gemini 3.1 Flash Lite Preview low | 4 | 8.1 | 13/18 | 3.22s | |
| #4 | Claude Opus 4.7 none | Anthropic | 2 | 9.2 | 16/18 | 3.13s |
| #58 | GLM 5V Turbo none | Z.ai | 8 | 6.2 | 8/18 | 3.10s |
| #77 | GLM 5 Turbo none | Z.ai | 10 | 5.5 | 6/18 | 2.94s |
| #94 | MiMo-V2-Flash none | Xiaomi | 12 | 4.5 | 3/18 | 2.79s |
| #49 | Qwen3.5 Plus 2026-02-15 none | Qwen | 9 | 6.8 | 9/18 | 2.60s |