مشترکہ: غلط جواب
مشترکہ
غلط جواب
دیکھیں کہ مشترکہ میں کن AI ماڈلز کو غلط جواب پیش آنے کا سب سے زیادہ امکان ہے، تاکہ آپ کمزوریاں جلدی پہچان سکیں۔ ترتیب دیں حسب: ردِعمل کا وقت (اوسط) ↓.
ناکامی کی وجوہات
63/63
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #125 | Qwen3.5-Flash none | Qwen | 1 | 2.9 | $0.073 | 0/2 | 243.6s |
| #92 | KAT-Coder-Pro V2.5 none | Kwaipilot | 1 | 4.1 | $0.476 | 0/2 | 183.1s |
| #105 | Gemini 3.1 Flash Lite low | 1 | 3.2 | $0.621 | 0/2 | 161.2s | |
| #104 | Gemini 3.1 Flash Lite Preview low | 1 | 3.0 | $0.646 | 0/2 | 160.6s | |
| #142 | Qwen3.5-122B-A10B none | Qwen | 1 | 5.2 | $0.247 | 0/2 | 129.3s |
| #127 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.8 | $0.106 | 0/2 | 128.3s |
| #126 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 6.4 | $0.122 | 1/2 | 109.7s |
| #138 | Kimi K2.6 none | Moonshot AI | 1 | 3.0 | $0.184 | 0/2 | 77.8s |
| #182 | KAT-Coder-Air V2.5 none | Kwaipilot | 1 | 3.8 | $0.067 | 0/2 | 73.0s |
| #52 | Kimi K2.7 Code medium | Moonshot AI | 1 | 7.3 | $0.751 | 1/2 | 66.0s |
| #107 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 6.5 | $0.073 | 1/2 | 64.8s |
| #109 | Mimo V2 PRO medium | Xiaomi | 1 | 2.3 | $0.333 | 0/1 | 64.7s |
| #98 | Qwen3.6 Max Preview none | Qwen | 1 | 6.5 | $0.231 | 1/2 | 61.6s |
| #118 | Gemini 2.5 Flash none | 1 | 3.0 | $0.017 | 0/2 | 61.2s | |
| #155 | Kimi K2.5 none | Moonshot AI | 1 | 2.8 | $0.127 | 0/2 | 61.0s |