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 ↓.
209/209
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) |
|---|---|---|---|---|---|---|---|
| #15 | Claude Opus 4.7 medium | Anthropic | 3 | 8.7 | $1.477 | 18/22 | 7.61s |
| #7 | Gemini 3.1 Pro Preview medium | 2 | 9.2 | $1.361 | 20/22 | 21.5s | |
| #16 | Muse Spark 1.1 medium | Meta | 4 | 8.6 | $1.357 | 15/22 | 25.0s |
| #4 | GPT-5.6 Sol medium | OpenAI | 4 | 9.4 | $1.316 | 18/22 | 11.4s |
| #6 | GPT-5.5 low | OpenAI | 3 | 9.3 | $1.253 | 19/22 | 10.1s |
| #5 | GPT-5.6 Sol high | OpenAI | 4 | 9.4 | $1.234 | 18/22 | 11.7s |
| #86 | Step 3.7 Flash high | Stepfun | 6 | 6.9 | $1.207 | 11/22 | 64.7s |
| #66 | Claude Opus 4.8 none | Anthropic | 4 | 7.3 | $1.166 | 13/22 | 4.91s |
| #19 | Qwen3.6 Max Preview medium | Qwen | 5 | 8.4 | $1.143 | 16/22 | 67.5s |
| #8 | Qwen3.7 Max medium | Qwen | 3 | 9.2 | $1.116 | 18/22 | 40.6s |
| #48 | Grok Build 0.1 medium | X AI | 5 | 7.6 | $1.097 | 14/22 | 52.1s |
| #79 | Gemini 3.5 Flash none | 3 | 7.0 | $1.079 | 15/22 | 9.93s | |
| #34 | GPT-5.6 Terra high | OpenAI | 7 | 8.0 | $1.055 | 14/22 | 11.3s |
| #72 | Qwen3.5-122B-A10B medium | Qwen | 5 | 7.1 | $1.046 | 14/22 | 64.2s |
| #68 | Kimi K2.6 medium | Moonshot AI | 3 | 7.2 | $1.036 | 12/22 | 110.0s |