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) |
|---|---|---|---|---|---|---|---|
| #224 | Gemini 3.1 Flash Lite high | 4 | 5.6 | $2.044 | 10/18 | 62.0s | |
| #62 | GPT-5 Mini medium | OpenAI | 5 | 8.1 | $0.241 | 12/22 | 27.6s |
| #65 | Muse Spark 1.1 high | Meta | 3 | 8.0 | $2.253 | 12/22 | 36.9s |
| #92 | Solar Pro 4 xhigh | Upstage | 4 | 7.6 | $0.050 | 12/22 | 134.9s |
| #94 | Claude Opus 5 none | Anthropic | 6 | 7.5 | $1.550 | 12/22 | 7.65s |
| #95 | GPT-5.4 Nano medium | OpenAI | 8 | 7.5 | $0.142 | 12/22 | 13.3s |
| #102 | GPT-5.4 Mini medium | OpenAI | 6 | 7.5 | $0.786 | 12/22 | 26.7s |
| #109 | LongCat 2.0 medium | Meituan | 7 | 7.4 | $0.499 | 12/22 | 143.6s |
| #113 | Claude Sonnet 4.6 none | Anthropic | 5 | 7.3 | $0.661 | 12/22 | 7.67s |
| #118 | Qwen3.7 Plus none | Qwen | 9 | 7.3 | $0.106 | 12/22 | 12.1s |
| #121 | Kimi K2.6 medium | Moonshot AI | 3 | 7.2 | $1.247 | 12/22 | 115.9s |
| #131 | Grok 4.3 medium | X AI | 6 | 7.0 | $0.741 | 12/22 | 44.2s |
| #132 | GPT-5.6 Sol none | OpenAI | 9 | 7.0 | $0.201 | 12/22 | 2.17s |
| #134 | GLM 5.1 medium | Z.ai | 4 | 7.0 | $0.727 | 12/22 | 58.8s |
| #135 | GPT-5.5 none | OpenAI | 10 | 7.0 | $0.544 | 12/22 | 2.35s |