डेटा पार्सिंग और निष्कर्षण: गलत उत्तर
डेटा पार्सिंग और निष्कर्षण
गलत उत्तर
देखें कि डेटा पार्सिंग और निष्कर्षण में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें। क्रमबद्ध करें: विफलता संख्या ↑.
विफलता के कारण
80/80
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) |
|---|---|---|---|---|---|---|---|
| #95 | Claude Opus 4.8 medium | Anthropic | 1 | 0.7 | $3.490 | 1/2 | 12.3s |
| #133 | Muse Glimmer 30B high | Meta | 1 | 0.7 | $0.506 | 1/2 | 14.9s |
| #138 | Muse Glimmer 30B medium | Meta | 1 | 0.7 | $0.288 | 1/2 | 7.20s |
| #151 | Seed-2.0-Code medium | Bytedance Seed | 1 | 0.7 | $1.275 | 1/2 | 18.8s |
| #162 | LongCat 2.0 high | Meituan | 1 | 0.4 | $0.778 | 0/2 | 11.0s |
| #167 | Qwen3.8 27B medium | Qwen | 1 | 0.6 | ~$0.073 | 1/2 | 8.76s |
| #169 | Claude Opus 4.8 low | Anthropic | 1 | 0.6 | $3.787 | 1/2 | 2.27s |
| #173 | Step 3.7 Flash low | Stepfun | 1 | 0.7 | $0.449 | 1/2 | 2.29s |
| #179 | MiMo-V2.5 medium | Xiaomi | 1 | 0.3 | $0.130 | 0/2 | 6.33s |
| #195 | Claude Opus 4.8 none | Anthropic | 1 | 0.7 | $2.334 | 1/2 | 1.77s |
| #218 | Mercury 2 medium | Inception | 1 | 0.7 | $0.121 | 1/2 | 1.11s |
| #241 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 0.7 | $0.332 | 1/2 | 18.8s |
| #242 | Dots 3 Note Preview high | Dots Studio | 1 | 0.7 | $0.000 | 1/2 | 12.7s |
| #243 | Dots 3 Note Preview low | Dots Studio | 1 | 0.7 | $0.000 | 1/2 | 11.5s |
| #246 | Qwen3.6 27B none | Qwen | 1 | 0.7 | $0.148 | 1/2 | 2.06s |