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: सही परीक्षण ↑.
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) |
|---|---|---|---|---|---|---|---|
| #162 | LongCat 2.0 high | Meituan | 1 | 0.4 | $0.778 | 0/2 | 11.0s |
| #179 | MiMo-V2.5 medium | Xiaomi | 1 | 0.3 | $0.130 | 0/2 | 6.33s |
| #293 | GPT-5 Nano medium | OpenAI | 2 | 0.4 | $0.159 | 0/2 | 21.4s |
| #297 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.4 | $0.000 | 0/2 | 78.5s |
| #359 | Nemotron 3.5 Lightning medium | NVIDIA | 1 | 0.4 | $0.195 | 0/2 | 23.2s |
| #362 | Granite 4.2 8B high | IBM Granite | 1 | 0.4 | $0.111 | 0/2 | 56.5s |
| #369 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 0.3 | $0.175 | 0/2 | 31.3s |
| #375 | Ring 2.6 1t default | Inclusionai | 1 | 0.3 | $0.026 | 0/2 | 45.9s |
| #380 | Granite 4.2 8B none | IBM Granite | 2 | 0.3 | $0.037 | 0/2 | 1.05s |
| #384 | MiniMax M2.5 medium | Minimax | 2 | 0.5 | $0.440 | 0/2 | 7.48s |
| #396 | Granite 4.1 8b default | IBM Granite | 2 | 0.3 | $0.007 | 0/2 | 575ms |
| #398 | Xing4.0 29b A4b medium | Xingchen AGI | 2 | 0.3 | $0.000 | 0/2 | 147.5s |
| #399 | Ling 3.0 Tiny high | Inclusionai | 2 | 0.3 | $0.000 | 0/2 | 4.16s |
| #400 | Ling 3.0 Tiny low | Inclusionai | 1 | 0.3 | $0.000 | 0/2 | 4.82s |
| #401 | Ling 3.0 Tiny medium | Inclusionai | 1 | 0.3 | $0.000 | 0/2 | 4.41s |