غلط جواب ناکامیاں
دیکھیں کہ کن AI ماڈلز میں غلط جواب سب سے زیادہ ہوتا ہے، تاکہ آپ انتخاب سے پہلے قابلِ اعتماد ہونے کے خطرات سمجھ سکیں۔ ترتیب دیں حسب: ناکامیوں کی تعداد ↑.
313/313
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #164 | Gemini 3.1 Flash Lite Preview low | 6 | 6.6 | $0.646 | 14/22 | 16.7s | |
| #165 | Inkling Small medium | Thinkingmachines | 6 | 6.6 | $0.113 | 10/22 | 6.30s |
| #168 | Mercury 2.5 Preview high | Inception | 6 | 6.6 | $0.030 | 12/22 | 4.01s |
| #180 | Ring-2.6-1T medium | Inclusionai | 6 | 6.4 | $0.102 | 11/22 | 68.8s |
| #264 | MiniMax M2.7 medium | Minimax | 6 | 5.0 | $0.208 | 5/22 | 43.2s |
| #287 | Granite 4.2 8B high | IBM Granite | 6 | 4.6 | $0.084 | 4/22 | 235.9s |
| #299 | Laguna Xs.2 medium | Poolside | 6 | 4.1 | $0.015 | 6/19 | 6.73s |
| #306 | Ling 3.0 Tiny high | Inclusionai | 6 | 3.8 | $0.000 | 4/22 | 75.7s |
| #66 | DeepSeek V4 Flash 0731 low | DeepSeek | 7 | 8.0 | $0.044 | 13/22 | 77.6s |
| #70 | GPT-5.6 Terra high | OpenAI | 7 | 8.0 | $0.836 | 14/22 | 11.2s |
| #84 | Qwen3.7 Flash high | Qwen | 7 | 7.8 | $0.052 | 13/22 | 41.4s |
| #88 | DeepSeek V4 Pro high | DeepSeek | 7 | 7.7 | $0.476 | 10/22 | 92.5s |
| #93 | Nemotron 3 Ultra medium | NVIDIA | 7 | 7.6 | $0.701 | 13/22 | 33.6s |
| #106 | Qwen3.7 Max none | Qwen | 7 | 7.4 | $0.197 | 15/22 | 4.56s |
| #109 | LongCat 2.0 medium | Meituan | 7 | 7.4 | $0.499 | 12/22 | 143.6s |