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: ردِعمل کا وقت (اوسط) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #63 | Muse Glimmer 30B xhigh | Meta | 4 | 8.1 | $0.471 | 13/22 | 95.6s |
| #138 | Seed-2.0-Mini medium | Bytedance Seed | 5 | 7.0 | $0.116 | 11/22 | 93.1s |
| #88 | DeepSeek V4 Pro high | DeepSeek | 7 | 7.7 | $0.476 | 10/22 | 92.5s |
| #99 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 4 | 7.5 | $0.459 | 14/22 | 91.8s |
| #296 | Granite 4.2 8B none | IBM Granite | 11 | 4.3 | $0.026 | 3/22 | 86.3s |
| #194 | Trinity Large Thinking medium | Arcee AI | 8 | 6.1 | $0.756 | 8/22 | 85.4s |
| #266 | Laguna S 2.1 low | Poolside | 15 | 5.0 | $0.082 | 3/22 | 85.3s |
| #119 | DeepSeek V4 Flash 0731 medium | DeepSeek | 5 | 7.3 | $0.066 | 11/22 | 84.7s |
| #192 | Qwen3.5-Flash medium | Qwen | 5 | 6.1 | $0.142 | 11/22 | 84.4s |
| #17 | Grok 4.6 high | X AI | 2 | 9.3 | $1.908 | 19/22 | 84.1s |
| #107 | Kimi K2.7 Code medium | Moonshot AI | 6 | 7.4 | $0.687 | 11/22 | 80.1s |
| #184 | Gemma 4 31B medium | 3 | 6.2 | $0.100 | 13/22 | 78.6s | |
| #66 | DeepSeek V4 Flash 0731 low | DeepSeek | 7 | 8.0 | $0.044 | 13/22 | 77.6s |
| #277 | Trinity Large Thinking high | Arcee AI | 10 | 4.8 | $0.592 | 5/22 | 75.9s |
| #306 | Ling 3.0 Tiny high | Inclusionai | 6 | 3.8 | $0.000 | 4/22 | 75.7s |