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) |
|---|---|---|---|---|---|---|---|
| #206 | Qwen3.5-35B-A3B none | Qwen | 13 | 5.9 | $0.076 | 6/22 | 12.7s |
| #205 | Qwen3.5-Flash none | Qwen | 14 | 6.0 | $0.073 | 7/22 | 25.3s |
| #169 | Qwen3.5 Plus 2026-02-15 none | Qwen | 11 | 6.6 | $0.073 | 11/22 | 9.86s |
| #108 | GPT-5.6 Luna medium | OpenAI | 9 | 7.4 | $0.072 | 13/22 | 7.43s |
| #74 | Qwen3.8 27B low | Qwen | 4 | 7.9 | ~$0.071 | 15/22 | 39.1s |
| #279 | KAT-Coder-Air V2.5 none | Kwaipilot | 13 | 4.8 | $0.070 | 5/22 | 12.5s |
| #283 | Grok 4.1 Fast medium | X AI | 4 | 4.7 | $0.069 | 9/19 | 23.8s |
| #242 | MiMo-V2.5-Pro none | Xiaomi | 12 | 5.4 | $0.068 | 5/22 | 4.24s |
| #171 | Laguna XS 2.1 medium | Poolside | 10 | 6.5 | $0.068 | 9/22 | 48.2s |
| #119 | DeepSeek V4 Flash 0731 medium | DeepSeek | 5 | 7.3 | $0.066 | 11/22 | 84.7s |
| #183 | Seed-2.0-Lite none | Bytedance Seed | 13 | 6.2 | $0.066 | 8/22 | 4.37s |
| #142 | Qwen3.7 Flash medium | Qwen | 8 | 6.9 | $0.065 | 10/22 | 47.4s |
| #309 | Qwen3.5-9B medium | Qwen | 2 | 3.8 | $0.062 | 3/22 | 107.5s |
| #234 | Qwen3.6 27B none | Qwen | 11 | 5.5 | $0.062 | 7/22 | 10.6s |
| #195 | Qwen3.6 Flash none | Qwen | 12 | 6.1 | $0.062 | 7/22 | 3.73s |