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: درست ٹیسٹس ↓.
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) |
|---|---|---|---|---|---|---|---|
| #50 | Grok 4.6 medium | X AI | 5 | 8.4 | $1.713 | 16/22 | 73.5s |
| #51 | Grok 4.5 low | X AI | 6 | 8.4 | $0.945 | 16/22 | 16.2s |
| #53 | Qwen3.8 27B high | Qwen | 2 | 8.4 | ~$0.287 | 16/22 | 167.9s |
| #83 | Claude Opus 4.8 low | Anthropic | 4 | 7.8 | $2.089 | 16/22 | 12.9s |
| #104 | Gemini 3.8 Flash low | 5 | 7.5 | $0.239 | 16/22 | 4.83s | |
| #112 | Gemini 3 Flash Preview low | 6 | 7.4 | $0.185 | 16/22 | 6.51s | |
| #78 | GLM 5.2 medium | Z.ai | 3 | 7.8 | $0.224 | 15/21 | 23.3s |
| #85 | GLM 5 medium | Z.ai | 3 | 7.7 | $0.228 | 15/21 | 33.5s |
| #43 | Muse Spark 1.1 medium | Meta | 4 | 8.6 | $1.420 | 15/22 | 26.2s |
| #47 | GPT-5.4 medium | OpenAI | 5 | 8.5 | $1.560 | 15/22 | 22.9s |
| #49 | Muse Spark 1.2 low | Meta | 4 | 8.4 | $0.655 | 15/22 | 9.77s |
| #54 | Seed 2.1 Turbo medium | Bytedance Seed | 5 | 8.4 | $1.951 | 15/22 | 193.6s |
| #57 | Claude Fable 5.1 medium | Anthropic | 3 | 8.3 | $2.909 | 15/22 | 11.7s |
| #58 | Gemini 2.5 Flash medium | 6 | 8.2 | $0.644 | 15/22 | 21.1s | |
| #59 | Muse Spark 1.3 low | Meta | 4 | 8.2 | $0.689 | 15/22 | 16.0s |