एक ब्लॉग ने चार ऐप्स पर 12 AI मॉडल्स को परखा
TryAI ने खुद ही 12 मॉडल्स का परीक्षण किया और खुद ही स्कोरिंग की। हर टास्क के लिए पांच बार कोशिश की गई, लेकिन कोई बाहरी ऑडिटर या स्वतंत्र जज शामिल नहीं था।
- Claude Fable 5 इकलौता मॉडल था जिसने पांचों बार रूबिक क्यूब को सही तरीके से हल किया।
- GPT-5.6 Luna सबसे तेज रहा, जिसने 1.0 सेकंड में जवाब दिया और इसकी लागत भी सबसे कम, यानी 0.001 डॉलर प्रति रन रही।
- Grok 4.5 ने कठिन टास्क में Claude Opus 4.8 की बराबरी की, जबकि इसकी कीमत काफी कम थी।
क्यों मायने रखता हैजिस साइट ने बेंचमार्क डिजाइन किया, उसी ने उसका मूल्यांकन किया और फिर इसे स्वतंत्र रैंकिंग के तौर पर पेश कर दिया।
TryAI blog (official benchmark post) ↗ · 10 जुल॰ 202610/7/26 · ✓ सत्यापित✓