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) |
|---|---|---|---|---|---|---|---|
| #277 | Inkling none | Thinkingmachines | 1 | 0.3 | $0.292 | 0/2 | 25.7s |
| #278 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 0.6 | $0.216 | 1/2 | 109.7s |
| #281 | KAT-Coder-Pro V2.5 default | Kwaipilot | 1 | 0.4 | $0.742 | 0/2 | 183.1s |
| #284 | GLM 5.3 FlashX low | Z.ai | 1 | 0.3 | $0.157 | 0/2 | 42.4s |
| #287 | Seed-2.0-Lite none | Bytedance Seed | 1 | 0.3 | $0.114 | 0/2 | 25.6s |
| #288 | Gemini 3.1 Flash Lite minimal | 1 | 0.3 | $0.080 | 0/2 | 7.75s | |
| #290 | Gemini 3.1 Flash Lite none | 1 | 0.3 | $0.069 | 0/2 | 9.49s | |
| #293 | Nemotron 3 Ultra none | NVIDIA | 1 | 0.3 | $0.164 | 0/2 | 21.1s |
| #294 | Qwen3.7 Flash none | Qwen | 1 | 0.4 | $0.028 | 0/2 | 94.6s |
| #295 | Qwen3.8 Flash Next none | Qwen | 1 | 0.3 | ~$0.011 | 0/2 | 12.0s |
| #298 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 0.3 | $0.391 | 0/2 | 10.4s |
| #303 | GPT-5.4 Mini none | OpenAI | 1 | 0.7 | $0.170 | 1/2 | 6.22s |
| #305 | Seed 2.1 Turbo none | Bytedance Seed | 1 | 0.4 | $0.182 | 0/2 | 41.3s |
| #307 | Gemma 4 31B none | 1 | 0.4 | $0.031 | 0/2 | 30.0s | |
| #310 | Solar Pro 4 none | Upstage | 1 | 0.3 | $0.022 | 0/2 | 35.1s |