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۔
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) |
|---|---|---|---|---|---|---|---|
| #199 | Trinity Large Thinking low | Arcee AI | 7 | 6.0 | $0.625 | 8/22 | 96.6s |
| #240 | KAT-Coder-Air V2.5 low | Kwaipilot | 7 | 5.4 | $0.046 | 7/22 | 10.6s |
| #289 | MiniMax M2.5 medium | Minimax | 7 | 4.6 | $0.327 | 5/22 | 69.1s |
| #305 | Grok Build 0.1 none | X AI | 7 | 4.0 | $0.547 | 7/19 | 28.7s |
| #313 | Nemotron 3 Nano Omni 30b A3b Reasoning medium | NVIDIA | 7 | 3.4 | $0.000 | 4/19 | 17.1s |
| #51 | Grok 4.5 low | X AI | 6 | 8.4 | $0.945 | 16/22 | 16.2s |
| #55 | Inkling Small high | Thinkingmachines | 6 | 8.4 | $0.398 | 14/22 | 30.4s |
| #58 | Gemini 2.5 Flash medium | 6 | 8.2 | $0.644 | 15/22 | 21.1s | |
| #72 | GPT-5.2 Chat none | OpenAI | 6 | 7.9 | $0.594 | 13/22 | 7.73s |
| #73 | Step 3.7 Flash medium | Stepfun | 6 | 7.9 | $0.495 | 13/22 | 23.5s |
| #77 | Gemini 3.5 Flash Lite medium | 6 | 7.8 | $0.272 | 14/22 | 5.12s | |
| #82 | Seed-2.0-Lite medium | Bytedance Seed | 6 | 7.8 | $0.236 | 13/22 | 47.9s |
| #86 | Seed-2.0-Code low | Bytedance Seed | 6 | 7.7 | $0.767 | 13/22 | 72.2s |
| #89 | DeepSeek V4 Flash 0423 high | DeepSeek | 6 | 7.6 | $0.042 | 13/22 | 51.8s |
| #94 | Claude Opus 5 none | Anthropic | 6 | 7.5 | $1.550 | 12/22 | 7.65s |