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) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #130 | Step 3.5 Flash medium | Stepfun | 4 | 6.0 | $0.108 | 11/21 | 174.2s |
| #97 | LongCat 2.0 high | Meituan | 6 | 6.6 | $0.469 | 9/22 | 148.7s |
| #194 | GLM 4.7 Flash medium | Z.ai | 9 | 4.3 | $0.166 | 4/22 | 142.6s |
| #137 | North Mini Code medium | Cohere | 9 | 5.9 | $0.000 | 9/22 | 137.1s |
| #60 | LongCat 2.0 medium | Meituan | 7 | 7.4 | $0.478 | 12/22 | 136.6s |
| #119 | Qwen3.5-35B-A3B medium | Qwen | 2 | 6.2 | $0.837 | 11/22 | 112.5s |
| #58 | Qwen3.5-27B medium | Qwen | 4 | 7.4 | $1.627 | 13/22 | 111.9s |
| #68 | Kimi K2.6 medium | Moonshot AI | 3 | 7.2 | $1.036 | 12/22 | 110.0s |
| #99 | Qwen3.6 27B medium | Qwen | 6 | 6.5 | $0.779 | 10/22 | 106.3s |
| #95 | Gemma 4 26B A4B medium | 3 | 6.6 | $0.089 | 14/22 | 103.8s | |
| #91 | LongCat 2.0 low | Meituan | 8 | 6.7 | $0.391 | 10/22 | 100.3s |
| #77 | Kimi K2.5 medium | Moonshot AI | 5 | 7.0 | $0.600 | 10/22 | 99.0s |
| #80 | Seed-2.0-Mini medium | Bytedance Seed | 4 | 7.0 | $0.101 | 11/22 | 92.5s |
| #57 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 4 | 7.5 | $0.437 | 14/22 | 89.2s |
| #114 | Qwen3.5-Flash medium | Qwen | 4 | 6.2 | $0.139 | 12/22 | 84.8s |