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) |
|---|---|---|---|---|---|---|---|
| #277 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 9 | 0.6 | $0.669 | 11/23 | 23.9s |
| #292 | Claude Sonnet 4.6 none | Anthropic | 5 | 0.6 | $0.661 | 12/22 | 7.67s |
| #231 | LongCat 2.0 low | Meituan | 8 | 0.7 | $0.630 | 10/23 | 115.0s |
| #54 | Gemini 3.5 Flash Lite high | 5 | 0.9 | $0.624 | 18/23 | 11.9s | |
| #126 | GLM 5.3 FlashX max | Z.ai | 2 | 0.8 | $0.623 | 15/23 | 44.0s |
| #69 | DeepSeek V4.1 Flash high | DeepSeek | 5 | 0.9 | $0.617 | 16/23 | 33.3s |
| #59 | Muse Spark Open low | Meta | 4 | 0.9 | $0.600 | 16/23 | 21.6s |
| #193 | GPT-5.2 Chat default | OpenAI | 6 | 0.7 | $0.594 | 13/23 | 7.43s |
| #70 | DeepSeek V4.1 Flash medium | DeepSeek | 5 | 0.9 | $0.591 | 16/23 | 32.9s |
| #135 | DeepSeek V4.1 Flash 1017 high | DeepSeek | 5 | 0.8 | $0.589 | 13/23 | 58.6s |
| #75 | MiMo-V2.6-Pro medium | Xiaomi | 3 | 0.9 | $0.586 | 14/23 | 148.1s |
| #93 | Muse Glimmer 30B xhigh | Meta | 4 | 0.8 | $0.585 | 14/23 | 97.7s |
| #10 | Gemini 3.6 Flash medium | 2 | 1.0 | $0.577 | 21/23 | 14.0s | |
| #97 | DeepSeek V4 Flash 0731 high | DeepSeek | 5 | 0.8 | $0.576 | 15/23 | 118.8s |
| #138 | Step 3.7 Flash medium | Stepfun | 6 | 0.8 | $0.571 | 13/23 | 26.6s |