ڈیٹا پارسنگ اور استخراج: غلط جواب
ڈیٹا پارسنگ اور استخراج
غلط جواب
دیکھیں کہ ڈیٹا پارسنگ اور استخراج میں کن AI ماڈلز کو غلط جواب پیش آنے کا سب سے زیادہ امکان ہے، تاکہ آپ کمزوریاں جلدی پہچان سکیں۔ ترتیب دیں حسب: کل لاگت ↓.
ناکامی کی وجوہات
80/80
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) |
|---|---|---|---|---|---|---|---|
| #172 | Claude Opus 4.8 low | Anthropic | 1 | 0.6 | $3.787 | 1/2 | 2.27s |
| #96 | Claude Opus 4.8 medium | Anthropic | 1 | 0.7 | $3.490 | 1/2 | 12.3s |
| #200 | Claude Opus 4.8 none | Anthropic | 1 | 0.7 | $2.334 | 1/2 | 1.77s |
| #326 | Hy4 preview low | Tencent | 1 | 0.9 | $1.844 | 1/2 | 88.5s |
| #154 | Seed-2.0-Code medium | Bytedance Seed | 1 | 0.7 | $1.275 | 1/2 | 18.8s |
| #264 | Trinity Large Thinking low | Arcee AI | 1 | 0.7 | $0.918 | 1/2 | 14.3s |
| #275 | Trinity Large Thinking medium | Arcee AI | 1 | 0.6 | $0.862 | 1/2 | 16.4s |
| #301 | Trinity Large Thinking high | Arcee AI | 1 | 0.6 | $0.794 | 1/2 | 14.0s |
| #165 | LongCat 2.0 high | Meituan | 1 | 0.4 | $0.778 | 0/2 | 11.0s |
| #268 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 1 | 0.7 | $0.669 | 1/2 | 4.70s |
| #422 | Grok Build 0.1 none | X AI | 1 | 0.4 | $0.547 | 0/2 | 9.33s |
| #136 | Muse Glimmer 30B high | Meta | 1 | 0.7 | $0.506 | 1/2 | 14.9s |
| #176 | Step 3.7 Flash low | Stepfun | 1 | 0.7 | $0.449 | 1/2 | 2.29s |
| #393 | MiniMax M2.5 medium | Minimax | 2 | 0.5 | $0.440 | 0/2 | 7.48s |
| #341 | Mimo V2 PRO medium | Xiaomi | 1 | 0.7 | $0.333 | 1/2 | 17.2s |