संयुक्त: गलत उत्तर
संयुक्त
गलत उत्तर
देखें कि संयुक्त में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें।
विफलता के कारण
118/118
मॉडल फ़िल्टर करें
मौजूदा खोज और फ़िल्टर से कोई मॉडल मेल नहीं खाता।
| रैंक | मॉडल | कंपनी | गलत उत्तर संख्या | श्रेणी स्कोर | कुल लागत | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|
| #218 | GLM 5.3 Flash low | Z.ai | 1 | 0.4 | $0.038 | 0/2 | 54.7s |
| #219 | GPT-5.5 none | OpenAI | 1 | 0.7 | $1.212 | 1/2 | 8.90s |
| #230 | Mercury 2.5 Preview high | Inception | 1 | 0.4 | $0.040 | 0/2 | 14.4s |
| #233 | GLM 5.3 low | Z.ai | 1 | 0.4 | $0.215 | 0/2 | 53.0s |
| #238 | Qwen3.5-122B-A10B none | Qwen | 1 | 0.5 | $0.308 | 0/2 | 129.3s |
| #239 | Gemini 3 Flash Preview none | 1 | 0.4 | $0.155 | 0/2 | 12.4s | |
| #246 | Mercury 2.5 medium | Inception | 1 | 0.7 | $0.034 | 1/2 | 9.23s |
| #251 | LongCat 2.0 none | Meituan | 1 | 0.7 | $0.104 | 1/2 | 28.4s |
| #254 | Gemini 3.5 Flash Lite low | 1 | 0.4 | $0.183 | 0/2 | 11.0s | |
| #255 | Gemini 3.1 Flash Lite Preview low | 1 | 0.3 | $0.736 | 0/2 | 160.6s | |
| #257 | Gemini 3.1 Flash Lite low | 1 | 0.3 | $0.717 | 0/2 | 161.2s | |
| #259 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 0.7 | $0.176 | 1/2 | 64.8s |
| #262 | Space Bunny Alpha medium | Stealth | 1 | 0.4 | $0.000 | 0/2 | 17.0s |
| #267 | Space Bunny Alpha xhigh | Stealth | 1 | 0.3 | $0.000 | 0/2 | 37.1s |
| #271 | Gemini 3.1 Flash Lite Preview none | 1 | 0.3 | $0.090 | 0/2 | 6.23s |