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
2265
سب سے زیادہ متاثر ماڈل
Nemotron 3 Nano Omni 30b A3b Reasoning 9
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) |
|---|---|---|---|---|---|---|---|
| #114 | GLM 5.3 high | Z.ai | 6 | 7.3 | $0.403 | 13/22 | 27.8s |
| #80 | Claude Sonnet 4.6 medium | Anthropic | 4 | 7.8 | $2.126 | 14/22 | 28.1s |
| #5 | GPT-6 Astra xhigh | OpenAI | 1 | 9.9 | $5.156 | 21/22 | 28.4s |
| #52 | GPT-5.2 medium | OpenAI | 3 | 8.4 | $1.182 | 14/22 | 28.5s |
| #305 | Grok Build 0.1 none | X AI | 7 | 4.0 | $0.547 | 7/19 | 28.7s |
| #263 | North Mini Code none | Cohere | 12 | 5.1 | $0.000 | 4/22 | 29.9s |
| #55 | Inkling Small high | Thinkingmachines | 6 | 8.4 | $0.398 | 14/22 | 30.4s |
| #126 | Muse Glimmer 30B medium | Meta | 9 | 7.2 | $0.211 | 11/22 | 30.6s |
| #87 | Claude Opus 4.6 medium | Anthropic | 4 | 7.7 | $2.961 | 13/22 | 32.2s |
| #137 | Grok 4.20 medium | X AI | 6 | 7.0 | $0.805 | 11/22 | 32.6s |
| #81 | Qwen3.8 27B medium | Qwen | 3 | 7.8 | ~$0.058 | 14/22 | 33.0s |
| #85 | GLM 5 medium | Z.ai | 3 | 7.7 | $0.228 | 15/21 | 33.5s |
| #93 | Nemotron 3 Ultra medium | NVIDIA | 7 | 7.6 | $0.701 | 13/22 | 33.6s |
| #238 | DeepSeek V4 Flash 0423 none | DeepSeek | 13 | 5.4 | $0.039 | 4/22 | 36.2s |
| #65 | Muse Spark 1.1 high | Meta | 3 | 8.0 | $2.253 | 12/22 | 36.9s |