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: اسکور ↓.
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) |
|---|---|---|---|---|---|---|---|
| #229 | Mimo V2 PRO none | Xiaomi | 11 | 5.6 | $0.045 | 7/21 | 2.27s |
| #230 | Owl Alpha none | Openrouter | 10 | 5.6 | $0.000 | 7/21 | 9.88s |
| #231 | KAT-Coder-Air V2.5 medium | Kwaipilot | 10 | 5.6 | $0.048 | 8/22 | 8.65s |
| #232 | Nemotron 3.5 Lightning high | NVIDIA | 11 | 5.6 | $0.134 | 5/22 | 58.3s |
| #233 | Hy4 preview low | Tencent | 3 | 5.6 | $1.745 | 3/22 | 214.3s |
| #234 | Qwen3.6 27B none | Qwen | 11 | 5.5 | $0.062 | 7/22 | 10.6s |
| #235 | Hy3 preview low | Tencent | 4 | 5.5 | $0.042 | 10/21 | 24.6s |
| #236 | Qwen3.8 27B none | Qwen | 11 | 5.5 | ~$0.006 | 9/22 | 3.12s |
| #237 | Mimo V2 Omni none | Xiaomi | 10 | 5.5 | $0.021 | 8/21 | 2.44s |
| #238 | DeepSeek V4 Flash 0423 none | DeepSeek | 13 | 5.4 | $0.039 | 4/22 | 36.2s |
| #239 | Laguna S 2.1 medium | Poolside | 13 | 5.4 | $0.053 | 4/22 | 58.4s |
| #240 | KAT-Coder-Air V2.5 low | Kwaipilot | 7 | 5.4 | $0.046 | 7/22 | 10.6s |
| #241 | GPT-5.6 Luna none | OpenAI | 14 | 5.4 | $0.029 | 6/22 | 1.50s |
| #242 | MiMo-V2.5-Pro none | Xiaomi | 12 | 5.4 | $0.068 | 5/22 | 4.24s |
| #243 | Kimi K2.5 none | Moonshot AI | 16 | 5.4 | $0.101 | 5/22 | 18.0s |