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) |
|---|---|---|---|---|---|---|---|
| #335 | Laguna XS 2.1 none | Poolside | 1 | 0.3 | $0.020 | 0/2 | 10.4s |
| #337 | Inkling Small low | Thinkingmachines | 1 | 0.3 | $0.055 | 0/2 | 4.08s |
| #338 | Ling 3.0 Flash none | Inclusionai | 1 | 0.3 | $0.004 | 0/2 | 8.58s |
| #341 | Mimo V2 PRO medium | Xiaomi | 1 | 0.2 | $0.333 | 0/1 | 64.7s |
| #343 | Mistral Small 4 medium | Mistral | 1 | 0.3 | $0.126 | 0/2 | 32.4s |
| #345 | Mercury 2.5 low | Inception | 1 | 0.3 | $0.020 | 0/2 | 5.16s |
| #348 | Apodex 1.1 Mini default | Apodex | 1 | 0.3 | $0.000 | 0/2 | 17.0s |
| #350 | Mercury 2.5 Preview low | Inception | 1 | 0.3 | $0.015 | 0/2 | 4.77s |
| #352 | Dots 3 Note Preview default | Dots Studio | 1 | 0.3 | $0.000 | 0/2 | 14.8s |
| #353 | GPT-4o-mini default | OpenAI | 1 | 0.3 | $0.024 | 0/2 | 6.32s |
| #357 | Qwen3 Coder Next default | Qwen | 1 | 0.3 | $0.067 | 0/2 | 30.9s |
| #359 | Gemini 3 PRO Preview medium | 1 | 0.2 | $0.385 | 0/1 | 10.4s | |
| #360 | Ling 2.6 1t default | Inclusionai | 1 | 0.7 | $0.016 | 1/2 | 23.8s |
| #361 | MiMo-V2.5 none | Xiaomi | 1 | 0.3 | $0.049 | 0/2 | 28.9s |
| #363 | Hy4 preview none | Tencent | 1 | 0.3 | $0.165 | 0/2 | 75.1s |