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
63/63
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) |
|---|---|---|---|---|---|---|---|
| #133 | Gemini 3 PRO Preview medium | 1 | 1.5 | $0.385 | 0/1 | 10.4s | |
| #136 | GPT-5.4 Mini none | OpenAI | 1 | 6.5 | $0.095 | 1/2 | 6.22s |
| #138 | Kimi K2.6 none | Moonshot AI | 1 | 3.0 | $0.184 | 0/2 | 77.8s |
| #141 | GLM 5 none | Z.ai | 1 | 1.5 | $0.041 | 0/1 | 4.98s |
| #142 | Qwen3.5-122B-A10B none | Qwen | 1 | 5.2 | $0.247 | 0/2 | 129.3s |
| #145 | GLM 5V Turbo none | Z.ai | 1 | 1.5 | $0.052 | 0/1 | 6.51s |
| #146 | Owl Alpha medium | Openrouter | 1 | 1.5 | $0.000 | 0/1 | 10.0s |
| #147 | Mimo V2 PRO none | Xiaomi | 1 | 1.5 | $0.045 | 0/1 | 6.58s |
| #148 | Owl Alpha none | Openrouter | 1 | 1.5 | $0.000 | 0/1 | 21.7s |
| #155 | Kimi K2.5 none | Moonshot AI | 1 | 2.8 | $0.127 | 0/2 | 61.0s |
| #156 | Gemma 4 26B A4B none | 1 | 3.0 | $0.015 | 0/2 | 37.2s | |
| #157 | Mimo V2 Omni none | Xiaomi | 1 | 1.5 | $0.021 | 0/1 | 5.96s |
| #159 | GPT-5.6 Luna none | OpenAI | 1 | 3.2 | $0.142 | 0/2 | 6.68s |
| #160 | Laguna XS 2.1 none | Poolside | 1 | 3.0 | $0.008 | 0/2 | 10.4s |
| #162 | Ling-2.6-1T none | Inclusionai | 1 | 6.5 | $0.016 | 1/2 | 23.8s |