ڈومین مخصوص x غلط جواب درجہ بندی

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۔

دکھائے گئے ماڈلز

کل ناکامیاں

878

سب سے زیادہ متاثر ماڈل

Claude Opus 5 3

ناکامی کی وجوہات

غلط جواب878 کوئی جواب نہیں63 ٹائم آؤٹ46 API خرابی40 اضافی فارمیٹنگ36 ہدایات پر عمل نہیں کیا3

زمرے

ڈومین مخصوص878 اینٹی اے آئی چالیں502 کوڈنگ477 پہیلی حل کرنا344 معلومات عامہ306 عمومی ذہانت129 خودمختار ایجنٹ کے کام126 مشترکہ126 ہدایات کی پیروی111 ڈیٹا پارسنگ اور استخراج93

414/414

درجہ	ماڈل	کمپنی	غلط جواب کی تعداد	زمرہ اسکور	کل لاگت	درست ٹیسٹس	ردِعمل کا وقت (اوسط)
#137	Qwen3.7 Flash low	Qwen	3	0.4	$0.071	0/3	37.6s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.071 ردِعمل کا وقت (اوسط) 37.6s
#138	Muse Glimmer 30B medium	Meta	3	0.3	$0.288	0/3	44.6s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.288 ردِعمل کا وقت (اوسط) 44.6s
#140	Qwen3.8 Flash Next medium	Qwen	3	0.3	~$0.047	0/3	17.3s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت ~$0.047 ردِعمل کا وقت (اوسط) 17.3s
#146	Mistral Large 4 high	Mistral	3	0.3	$1.391	0/3	289.4s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $1.391 ردِعمل کا وقت (اوسط) 289.4s
#148	GPT-5.6 Luna medium	OpenAI	3	0.3	$0.065	0/3	18.5s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.065 ردِعمل کا وقت (اوسط) 18.5s
#149	Qwen3.6 Flash medium	Qwen	3	0.3	$0.783	0/3	17.0s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.783 ردِعمل کا وقت (اوسط) 17.0s
#150	DeepSeek V4 Flash 0731 low	DeepSeek	3	0.3	$0.306	0/3	255.5s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.306 ردِعمل کا وقت (اوسط) 255.5s
#152	GLM 5.3 FlashX high	Z.ai	3	0.4	$0.210	0/3	50.0s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.210 ردِعمل کا وقت (اوسط) 50.0s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	3	0.3	$0.083	0/3	4.91s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.083 ردِعمل کا وقت (اوسط) 4.91s
#163	Qwen3.6 Plus medium	Qwen	3	0.3	$0.554	0/3	46.4s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.554 ردِعمل کا وقت (اوسط) 46.4s
#164	Gemini 3.5 Flash Lite medium	Google	3	0.4	$0.440	0/3	5.34s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.440 ردِعمل کا وقت (اوسط) 5.34s
#170	Qwen3.7 Flash high	Qwen	3	0.3	$0.063	0/3	34.4s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.063 ردِعمل کا وقت (اوسط) 34.4s
#173	Step 3.7 Flash low	Stepfun	3	0.3	$0.449	0/3	22.7s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.449 ردِعمل کا وقت (اوسط) 22.7s
#176	Qwen3.8 Flash Next xhigh	Qwen	3	0.3	~$0.195	0/3	327.0s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت ~$0.195 ردِعمل کا وقت (اوسط) 327.0s
#177	GLM 5.3 FlashX medium	Z.ai	3	0.4	$0.114	0/3	3.52s
کل ٹیسٹس 3 غلط ٹیسٹس 3 کل لاگت $0.114 ردِعمل کا وقت (اوسط) 3.52s

ماڈلز فلٹر کریں

غلط جواب کی تعداد کے لحاظ سے سرفہرست ماڈلز

غلط جواب کی تعداد بمقابلہ اسکور

ردِعمل کا وقت (اوسط) کے لحاظ سے سرفہرست ماڈلز

تخمینی ضائع لاگت کے لحاظ سے سرفہرست ماڈلز

ڈومین مخصوص: غلط جواب

ماڈلز فلٹر کریں

غلط جواب کی تعداد کے لحاظ سے سرفہرست ماڈلز

غلط جواب کی تعداد بمقابلہ اسکور

ردِعمل کا وقت (اوسط) کے لحاظ سے سرفہرست ماڈلز