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 ↑.
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) |
|---|---|---|---|---|---|---|---|
| #50 | Grok 4.6 medium | X AI | 5 | 8.4 | $1.713 | 16/22 | 73.5s |
| #233 | Hy4 preview low | Tencent | 3 | 5.6 | $1.745 | 3/22 | 214.3s |
| #41 | Muse Spark 1.2 high | Meta | 4 | 8.7 | $1.771 | 14/22 | 26.6s |
| #14 | GPT-6 Astra medium | OpenAI | 3 | 9.4 | $1.774 | 19/22 | 8.08s |
| #32 | Seed 2.1 Turbo high | Bytedance Seed | 4 | 8.9 | $1.797 | 16/22 | 174.0s |
| #17 | Grok 4.6 high | X AI | 2 | 9.3 | $1.908 | 19/22 | 84.1s |
| #54 | Seed 2.1 Turbo medium | Bytedance Seed | 5 | 8.4 | $1.951 | 15/22 | 193.6s |
| #36 | Claude Opus 4.8 medium | Anthropic | 4 | 8.8 | $1.983 | 17/22 | 13.0s |
| #11 | Gemini 3.5 Flash high | 2 | 9.4 | $2.011 | 19/22 | 15.5s | |
| #48 | Grok 4.5 medium | X AI | 5 | 8.5 | $2.042 | 17/22 | 68.6s |
| #224 | Gemini 3.1 Flash Lite high | 4 | 5.6 | $2.044 | 10/18 | 62.0s | |
| #83 | Claude Opus 4.8 low | Anthropic | 4 | 7.8 | $2.089 | 16/22 | 12.9s |
| #80 | Claude Sonnet 4.6 medium | Anthropic | 4 | 7.8 | $2.126 | 14/22 | 28.1s |
| #29 | Grok 4.5 high | X AI | 2 | 9.0 | $2.252 | 17/22 | 72.3s |
| #65 | Muse Spark 1.1 high | Meta | 3 | 8.0 | $2.253 | 12/22 | 36.9s |