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 ↓.
215/215
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) |
|---|---|---|---|---|---|---|---|
| #107 | MiMo-V2.5 medium | Xiaomi | 5 | 6.5 | $0.082 | 12/22 | 32.2s |
| #108 | Laguna XS 2.1 medium | Poolside | 11 | 6.5 | $0.068 | 9/22 | 47.9s |
| #109 | Qwen3.5-27B none | Qwen | 12 | 6.5 | $0.090 | 8/22 | 4.76s |
| #110 | Gemini 3.1 Flash Lite Preview low | 7 | 6.5 | $0.646 | 13/22 | 16.7s | |
| #111 | Gemini 3.1 Flash Lite low | 9 | 6.5 | $0.621 | 12/22 | 16.3s | |
| #112 | Gemini 3.1 Flash Lite Preview none | 7 | 6.4 | $0.052 | 12/22 | 1.58s | |
| #113 | Qwen3.5 Plus 2026-02-15 none | Qwen | 12 | 6.4 | $0.073 | 10/22 | 9.85s |
| #114 | Ring-2.6-1T medium | Inclusionai | 6 | 6.3 | $0.103 | 11/22 | 68.7s |
| #115 | Mimo V2 PRO medium | Xiaomi | 5 | 6.3 | $0.333 | 12/21 | 22.2s |
| #116 | Gemma 4 31B medium | 2 | 6.3 | $0.107 | 14/22 | 75.4s | |
| #117 | LongCat 2.0 none | Meituan | 14 | 6.3 | $0.044 | 7/22 | 5.18s |
| #118 | Claude Sonnet 5 none | Anthropic | 7 | 6.3 | $0.548 | 8/22 | 6.04s |
| #119 | MiMo-V2-Flash medium | Xiaomi | 5 | 6.3 | $0.043 | 12/21 | 20.1s |
| #120 | Qwen3.5-Flash medium | Qwen | 4 | 6.2 | $0.139 | 12/22 | 84.8s |
| #121 | Gemma 4 31B none | 9 | 6.2 | $0.021 | 10/22 | 5.34s |