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) |
|---|---|---|---|---|---|---|---|
| #146 | Nemotron 3.5 Super VL medium | NVIDIA | 4 | 0.8 | $0.437 | 14/23 | 84.9s |
| #124 | GPT-5.6 Terra low | OpenAI | 8 | 0.8 | $0.435 | 14/23 | 7.58s |
| #148 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 8 | 0.8 | $0.435 | 14/23 | 54.1s |
| #254 | Beam 1.0 501B A23B low | Reflection | 6 | 0.6 | $0.432 | 11/23 | 4.89s |
| #222 | MiniMax M3 medium | Minimax | 5 | 0.7 | $0.422 | 11/23 | 77.0s |
| #106 | Qwen3.7 Plus medium | Qwen | 6 | 0.8 | $0.415 | 16/23 | 59.7s |
| #166 | Inkling Small high | Thinkingmachines | 6 | 0.7 | $0.398 | 14/23 | 29.1s |
| #22 | GPT-6.1 Terra high | OpenAI | 2 | 0.9 | $0.396 | 20/23 | 11.2s |
| #307 | DeepSeek V4.1 Flash none | DeepSeek | 11 | 0.6 | $0.391 | 7/23 | 16.6s |
| #368 | Gemini 3 PRO Preview medium | 3 | 0.5 | $0.385 | 14/21 | 9.05s | |
| #306 | GPT-5.6 Terra none | OpenAI | 12 | 0.6 | $0.377 | 8/23 | 4.11s |
| #57 | Gemini 3.6 Flash low | 4 | 0.9 | $0.363 | 19/23 | 6.82s | |
| #41 | DeepSeek V4.1 Flash 1017 low | DeepSeek | 5 | 0.9 | $0.355 | 16/23 | 32.5s |
| #90 | Nemotron 3.5 Super VL high | NVIDIA | 3 | 0.8 | $0.349 | 15/23 | 49.9s |
| #350 | Mimo V2 PRO medium | Xiaomi | 5 | 0.5 | $0.333 | 12/21 | 22.2s |