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) |
|---|---|---|---|---|---|---|---|
| #367 | Mercury 2.5 Preview default | Inception | 1 | 0.3 | $0.023 | 0/2 | 31.3s |
| #370 | Laguna S 2.1 none | Poolside | 1 | 0.3 | $0.044 | 0/2 | 21.6s |
| #372 | Qwen3 Coder Next medium | Qwen | 1 | 0.3 | $0.071 | 0/2 | 14.6s |
| #374 | GPT-5.4 Nano none | OpenAI | 1 | 0.3 | $0.068 | 0/2 | 14.7s |
| #376 | GLM 5V Turbo none | Z.ai | 1 | 0.2 | $0.052 | 0/1 | 6.51s |
| #377 | Laguna S 2.1 low | Poolside | 1 | 0.3 | $0.108 | 0/2 | 412.5s |
| #379 | Owl Alpha medium | Openrouter | 1 | 0.2 | $0.000 | 0/1 | 10.0s |
| #380 | Mimo V2 PRO default | Xiaomi | 1 | 0.2 | $0.045 | 0/1 | 6.58s |
| #381 | Owl Alpha default | Openrouter | 1 | 0.2 | $0.000 | 0/1 | 21.7s |
| #385 | Mimo V2 Omni default | Xiaomi | 1 | 0.2 | $0.021 | 0/1 | 5.96s |
| #387 | KAT Coder AIR V2.5 default | Kwaipilot | 1 | 0.4 | $0.070 | 0/2 | 73.0s |
| #388 | Trinity Large Preview default | Arcee AI | 1 | 0.2 | $0.008 | 0/1 | 8.91s |
| #389 | Granite 4.2 8B none | IBM Granite | 1 | 0.3 | $0.037 | 0/2 | 424.3s |
| #396 | GLM 5 Turbo none | Z.ai | 1 | 0.2 | $0.047 | 0/1 | 4.89s |
| #397 | Mercury 2.5 none | Inception | 1 | 0.3 | $0.026 | 0/2 | 3.24s |