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: درست ٹیسٹس ↓.
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) |
|---|---|---|---|---|---|---|---|
| #169 | Qwen3.5 Plus 2026-02-15 none | Qwen | 11 | 6.6 | $0.073 | 11/22 | 9.86s |
| #174 | Qwen3.6 Max Preview none | Qwen | 11 | 6.4 | $0.228 | 11/22 | 7.82s |
| #178 | MiMo-V2.5 medium | Xiaomi | 5 | 6.4 | $0.104 | 11/22 | 46.3s |
| #180 | Ring-2.6-1T medium | Inclusionai | 6 | 6.4 | $0.102 | 11/22 | 68.8s |
| #188 | Qwen3.5-35B-A3B medium | Qwen | 2 | 6.1 | $0.675 | 11/22 | 110.8s |
| #192 | Qwen3.5-Flash medium | Qwen | 5 | 6.1 | $0.142 | 11/22 | 84.4s |
| #315 | Step 3.5 Flash none | Stepfun | 1 | 2.3 | $0.020 | 6/12 | 39.0s |
| #207 | Step 3.5 Flash medium | Stepfun | 5 | 5.9 | $0.132 | 10/21 | 191.6s |
| #209 | Mimo V2 Omni medium | Xiaomi | 5 | 5.9 | $0.683 | 10/21 | 41.2s |
| #235 | Hy3 preview low | Tencent | 4 | 5.5 | $0.042 | 10/21 | 24.6s |
| #269 | Qwen3.6 Plus Preview medium | Qwen | 2 | 4.9 | $0.000 | 9/19 | 15.2s |
| #283 | Grok 4.1 Fast medium | X AI | 4 | 4.7 | $0.069 | 9/19 | 23.8s |
| #284 | Laguna M.1 medium | Poolside | 4 | 4.7 | $0.033 | 9/19 | 14.7s |
| #88 | DeepSeek V4 Pro high | DeepSeek | 7 | 7.7 | $0.476 | 10/22 | 92.5s |
| #123 | Muse Glimmer 30B high | Meta | 7 | 7.2 | $0.397 | 10/22 | 66.7s |