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) |
|---|---|---|---|---|---|---|---|
| #312 | GLM 5 none | Z.ai | 1 | 0.2 | $0.140 | 0/1 | 4.98s |
| #313 | Qwen3.5-35B-A3B none | Qwen | 1 | 0.4 | $0.120 | 0/2 | 128.3s |
| #314 | Nemotron 3.5 Super VL none | NVIDIA | 1 | 0.3 | $0.040 | 0/2 | 451.9s |
| #316 | Kimi K2.6 none | Moonshot AI | 1 | 0.3 | $0.486 | 0/2 | 77.8s |
| #317 | Ling 3.1 Flash none | Inclusionai | 1 | 0.3 | $0.000 | 0/2 | 25.4s |
| #318 | Gemini 2.5 Flash none | 1 | 0.3 | $0.017 | 0/2 | 61.2s | |
| #319 | GPT-6 Luna none | OpenAI | 1 | 0.4 | $0.026 | 0/2 | 50.9s |
| #320 | Gemma 4 26B A4B none | 1 | 0.3 | $0.031 | 0/2 | 37.2s | |
| #322 | Seed-2.0-Code none | Bytedance Seed | 1 | 0.3 | $0.257 | 0/2 | 78.4s |
| #324 | Qwen3.8 27B none | Qwen | 1 | 0.3 | ~$0.010 | 0/2 | 24.1s |
| #327 | MiMo-V2.6-Flash none | Xiaomi | 1 | 0.4 | $0.060 | 0/2 | 4.78s |
| #329 | Ember-1 none | Fireworks | 1 | 0.3 | $0.786 | 0/2 | 49.0s |
| #331 | GPT-5.6 Luna none | OpenAI | 1 | 0.3 | $0.042 | 0/2 | 6.68s |
| #333 | Kimi K2.5 none | Moonshot AI | 1 | 0.3 | $0.262 | 0/2 | 61.0s |
| #334 | Qwen3.6 Max Preview none | Qwen | 1 | 0.7 | $0.228 | 1/2 | 61.6s |