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 ↓.
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) |
|---|---|---|---|---|---|---|---|
| #274 | DeepSeek V4 Flash 0423 none | DeepSeek | 13 | 0.6 | $0.149 | 5/23 | 38.6s |
| #275 | Grok 4.20 medium | X AI | 7 | 0.6 | $1.246 | 11/23 | 36.7s |
| #276 | Space Bunny Alpha xhigh | Stealth | 9 | 0.6 | $0.000 | 9/23 | 60.0s |
| #277 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 9 | 0.6 | $0.669 | 11/23 | 23.9s |
| #278 | GLM 5 Turbo medium | Z.ai | 4 | 0.6 | $0.323 | 14/21 | 23.0s |
| #279 | DeepSeek V4 Flash 0731 none | DeepSeek | 13 | 0.6 | $0.053 | 5/23 | 27.4s |
| #280 | Gemini 3.1 Flash Lite Preview none | 8 | 0.6 | $0.090 | 12/23 | 3.60s | |
| #281 | Claude Fable 5.1 low | Anthropic | 4 | 0.6 | $3.395 | 11/23 | 11.4s |
| #282 | Gemini 3.5 Flash none | 4 | 0.6 | $1.752 | 14/23 | 14.1s | |
| #283 | Beam 1.0 501B A23B high | Reflection | 7 | 0.6 | $0.674 | 11/23 | 9.03s |
| #284 | Trinity Large Thinking medium | Arcee AI | 9 | 0.6 | $0.862 | 8/23 | 84.0s |
| #285 | Apodex 1.1 Mini low | Apodex | 9 | 0.6 | $0.000 | 11/23 | 33.7s |
| #286 | Inkling none | Thinkingmachines | 13 | 0.6 | $0.292 | 7/23 | 5.30s |
| #287 | Qwen3.5 Plus 2026-04-20 none | Qwen | 12 | 0.6 | $0.216 | 8/23 | 18.5s |
| #288 | Step 5 Preview medium | Stepfun | 3 | 0.6 | $4.136 | 10/23 | 136.1s |