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: اسکور ↑.
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) |
|---|---|---|---|---|---|---|---|
| #91 | GPT-5.6 Luna high | OpenAI | 8 | 7.6 | $0.179 | 14/22 | 16.5s |
| #90 | GLM 5 Turbo medium | Z.ai | 4 | 7.6 | $0.323 | 14/21 | 23.0s |
| #89 | DeepSeek V4 Flash 0423 high | DeepSeek | 6 | 7.6 | $0.042 | 13/22 | 51.8s |
| #88 | DeepSeek V4 Pro high | DeepSeek | 7 | 7.7 | $0.476 | 10/22 | 92.5s |
| #87 | Claude Opus 4.6 medium | Anthropic | 4 | 7.7 | $2.961 | 13/22 | 32.2s |
| #86 | Seed-2.0-Code low | Bytedance Seed | 6 | 7.7 | $0.767 | 13/22 | 72.2s |
| #85 | GLM 5 medium | Z.ai | 3 | 7.7 | $0.228 | 15/21 | 33.5s |
| #84 | Qwen3.7 Flash high | Qwen | 7 | 7.8 | $0.052 | 13/22 | 41.4s |
| #83 | Claude Opus 4.8 low | Anthropic | 4 | 7.8 | $2.089 | 16/22 | 12.9s |
| #82 | Seed-2.0-Lite medium | Bytedance Seed | 6 | 7.8 | $0.236 | 13/22 | 47.9s |
| #81 | Qwen3.8 27B medium | Qwen | 3 | 7.8 | ~$0.058 | 14/22 | 33.0s |
| #80 | Claude Sonnet 4.6 medium | Anthropic | 4 | 7.8 | $2.126 | 14/22 | 28.1s |
| #79 | GPT-5.6 Terra medium | OpenAI | 8 | 7.8 | $0.523 | 14/22 | 6.85s |
| #77 | Gemini 3.5 Flash Lite medium | 6 | 7.8 | $0.272 | 14/22 | 5.12s | |
| #78 | GLM 5.2 medium | Z.ai | 3 | 7.8 | $0.224 | 15/21 | 23.3s |