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) |
|---|---|---|---|---|---|---|---|
| #76 | Qwen3.6 Plus medium | Qwen | 5 | 7.8 | $0.418 | 15/22 | 45.5s |
| #75 | Qwen3.7 Plus medium | Qwen | 5 | 7.9 | $0.277 | 15/22 | 53.5s |
| #74 | Qwen3.8 27B low | Qwen | 4 | 7.9 | ~$0.071 | 15/22 | 39.1s |
| #73 | Step 3.7 Flash medium | Stepfun | 6 | 7.9 | $0.495 | 13/22 | 23.5s |
| #72 | GPT-5.2 Chat none | OpenAI | 6 | 7.9 | $0.594 | 13/22 | 7.73s |
| #70 | GPT-5.6 Terra high | OpenAI | 7 | 8.0 | $0.836 | 14/22 | 11.2s |
| #69 | Inkling medium | Thinkingmachines | 4 | 8.0 | $0.383 | 15/22 | 15.7s |
| #68 | GLM 5.2 high | Z.ai | 2 | 8.0 | $1.188 | 14/22 | 69.9s |
| #67 | DeepSeek V4 Flash 0731 high | DeepSeek | 4 | 8.0 | $0.084 | 14/22 | 114.9s |
| #66 | DeepSeek V4 Flash 0731 low | DeepSeek | 7 | 8.0 | $0.044 | 13/22 | 77.6s |
| #65 | Muse Spark 1.1 high | Meta | 3 | 8.0 | $2.253 | 12/22 | 36.9s |
| #64 | Inkling high | Thinkingmachines | 4 | 8.0 | $1.046 | 15/22 | 62.6s |
| #63 | Muse Glimmer 30B xhigh | Meta | 4 | 8.1 | $0.471 | 13/22 | 95.6s |
| #62 | GPT-5 Mini medium | OpenAI | 5 | 8.1 | $0.241 | 12/22 | 27.6s |
| #61 | Qwen3.8 2.4T A95B low | Qwen | 4 | 8.1 | $2.672 | 15/22 | 119.0s |