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: ردِعمل کا وقت (اوسط) ↑.
دکھائے گئے ماڈلز
15
کل ناکامیاں
1585
سب سے زیادہ متاثر ماڈل
Nemotron 3 Nano Omni 30b A3b Reasoning 9
215/215
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) |
|---|---|---|---|---|---|---|---|
| #33 | Step 3.7 Flash medium | Stepfun | 5 | 8.0 | $0.515 | 14/22 | 26.4s |
| #29 | GPT-5 Mini medium | OpenAI | 5 | 8.1 | $0.237 | 12/22 | 27.6s |
| #208 | Grok Build 0.1 none | X AI | 7 | 4.0 | $0.547 | 7/19 | 28.7s |
| #79 | Grok 4.20 medium | X AI | 6 | 7.1 | $0.777 | 12/22 | 29.5s |
| #177 | North Mini Code none | Cohere | 12 | 5.1 | $0.000 | 4/22 | 29.9s |
| #30 | Muse Spark 1.1 high | Meta | 4 | 8.1 | $1.694 | 12/22 | 31.5s |
| #107 | MiMo-V2.5 medium | Xiaomi | 5 | 6.5 | $0.082 | 12/22 | 32.2s |
| #55 | Nemotron 3 Ultra medium | NVIDIA | 7 | 7.5 | $0.774 | 13/22 | 32.2s |
| #46 | GLM 5 medium | Z.ai | 3 | 7.7 | $0.307 | 15/21 | 33.5s |
| #88 | MiMo-V2.5-Pro medium | Xiaomi | 3 | 6.9 | $0.187 | 12/22 | 33.9s |
| #47 | Claude Opus 4.6 medium | Anthropic | 3 | 7.7 | $3.059 | 13/22 | 34.3s |
| #156 | DeepSeek V4 Flash none | DeepSeek | 12 | 5.6 | $0.042 | 5/22 | 36.8s |
| #13 | GPT-5.5 medium | OpenAI | 4 | 9.0 | $4.137 | 18/22 | 38.4s |
| #215 | Step 3.5 Flash none | Stepfun | 1 | 2.3 | $0.020 | 6/12 | 39.0s |
| #194 | Cobuddy medium | Baidu | 9 | 4.7 | $0.000 | 7/21 | 39.9s |