ڈومین مخصوص: غلط جواب
ڈومین مخصوص
غلط جواب
دیکھیں کہ ڈومین مخصوص میں کن AI ماڈلز کو غلط جواب پیش آنے کا سب سے زیادہ امکان ہے، تاکہ آپ کمزوریاں جلدی پہچان سکیں۔
ناکامی کی وجوہات
202/202
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) |
|---|---|---|---|---|---|---|---|
| #32 | Inkling high | Thinkingmachines | 1 | 7.7 | $1.006 | 2/3 | 186.4s |
| #33 | Step 3.7 Flash medium | Stepfun | 1 | 7.7 | $0.515 | 2/3 | 48.3s |
| #35 | GLM 5.2 high | Z.ai | 1 | 3.7 | $0.817 | 0/3 | 74.0s |
| #42 | GLM 5.2 medium | Z.ai | 1 | 4.1 | $0.187 | 0/3 | 45.5s |
| #44 | Claude Sonnet 4.6 medium | Anthropic | 1 | 2.9 | $2.057 | 0/3 | 0ms |
| #47 | Claude Opus 4.6 medium | Anthropic | 1 | 3.0 | $3.059 | 0/3 | 83.4s |
| #48 | GPT-5.6 Luna high | OpenAI | 1 | 7.7 | $1.017 | 2/3 | 79.0s |
| #52 | Grok Build 0.1 medium | X AI | 1 | 5.3 | $1.097 | 1/3 | 158.0s |
| #61 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 5.3 | $0.437 | 1/3 | 17.5s |
| #62 | Qwen3.5-27B medium | Qwen | 1 | 5.3 | $1.627 | 1/3 | 79.5s |
| #63 | Qwen3.7 Max none | Qwen | 1 | 7.7 | $0.197 | 2/3 | 975ms |
| #67 | Claude Sonnet 4.6 none | Anthropic | 1 | 7.7 | $0.661 | 2/3 | 3.54s |
| #78 | GLM 5.1 medium | Z.ai | 1 | 5.3 | $0.535 | 1/3 | 29.8s |
| #79 | Grok 4.20 medium | X AI | 1 | 5.3 | $0.777 | 1/3 | 27.0s |
| #83 | Gemini 3.5 Flash none | 1 | 7.6 | $1.079 | 2/3 | 10.6s |