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: प्रतिक्रिया समय (औसत) ↑.
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) |
|---|---|---|---|---|---|---|---|
| #425 | Decider V1.1 27B default | Perplexity | 1 | 0.6 | $0.002 | 1/2 | 286ms |
| #429 | Jev 1.14 default | Typesafe | 1 | 0.7 | $0.003 | 1/2 | 335ms |
| #434 | D1 default | Liquid | 1 | 0.6 | $0.003 | 1/2 | 418ms |
| #432 | Decider Flash V1.2 default | Perplexity | 1 | 0.7 | $0.001 | 1/2 | 422ms |
| #424 | Decider V1.2 default | Perplexity | 1 | 0.6 | $0.001 | 1/2 | 482ms |
| #440 | Tev1 4B Experimental default | Togethercomputer | 2 | 0.3 | $0.002 | 0/2 | 509ms |
| #396 | Granite 4.1 8b default | IBM Granite | 2 | 0.3 | $0.007 | 0/2 | 575ms |
| #421 | d1-ultra default | Liquid | 1 | 0.7 | $0.003 | 1/2 | 587ms |
| #382 | Mercury 2 none | Inception | 1 | 0.7 | $0.033 | 1/2 | 667ms |
| #419 | Span-02 default | Respan | 1 | 0.7 | $0.001 | 1/2 | 710ms |
| #436 | LFM2-24B-A2B default | Liquid | 2 | 0.3 | $0.001 | 0/2 | 714ms |
| #441 | Nimble v3 9B default | Bespoke Labs | 2 | 0.3 | ~$0.001 | 0/2 | 880ms |
| #405 | Elephant Alpha medium | Openrouter | 1 | 0.6 | $0.000 | 1/2 | 979ms |
| #358 | Mercury 2.5 Preview default | Inception | 1 | 0.6 | $0.023 | 1/2 | 1.04s |
| #404 | Elephant Alpha default | Openrouter | 1 | 0.6 | $0.000 | 1/2 | 1.04s |