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: کل لاگت ↑.
453/453
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) |
|---|---|---|---|---|---|---|---|
| #260 | LongCat 2.0 none | Meituan | 13 | 0.6 | $0.104 | 8/23 | 8.50s |
| #345 | Qwen3.6 35B A3B none | Qwen | 13 | 0.5 | $0.105 | 4/23 | 8.43s |
| #337 | Step 3.5 Flash medium | Stepfun | 6 | 0.5 | $0.105 | 10/22 | 190.5s |
| #408 | Qwen3.5-9B medium | Qwen | 2 | 0.4 | $0.106 | 3/23 | 110.2s |
| #386 | Laguna S 2.1 low | Poolside | 16 | 0.5 | $0.108 | 3/23 | 88.2s |
| #380 | Granite 4.2 8B high | IBM Granite | 7 | 0.5 | $0.111 | 4/23 | 235.4s |
| #295 | Inkling Small medium | Thinkingmachines | 6 | 0.6 | $0.113 | 10/23 | 6.03s |
| #189 | GLM 5.3 FlashX medium | Z.ai | 8 | 0.7 | $0.114 | 12/23 | 7.37s |
| #296 | Seed-2.0-Lite none | Bytedance Seed | 14 | 0.6 | $0.114 | 8/23 | 7.49s |
| #177 | Qwen3.5-27B none | Qwen | 11 | 0.7 | $0.116 | 10/23 | 9.98s |
| #119 | GPT-5.6 Luna high | OpenAI | 8 | 0.8 | $0.118 | 15/23 | 18.4s |
| #382 | DeepSeek V3.2 none | DeepSeek | 9 | 0.5 | $0.119 | 6/23 | 22.4s |
| #322 | Qwen3.5-35B-A3B none | Qwen | 14 | 0.6 | $0.120 | 6/23 | 18.3s |
| #232 | Mercury 2 medium | Inception | 9 | 0.7 | $0.121 | 10/23 | 4.40s |
| #352 | Mistral Small 4 medium | Mistral | 14 | 0.5 | $0.126 | 5/23 | 12.7s |