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) |
|---|---|---|---|---|---|---|---|
| #398 | Xing4.0 29b A4b medium | Xingchen AGI | 2 | 0.3 | $0.000 | 0/2 | 147.5s |
| #317 | Hy4 preview low | Tencent | 1 | 0.9 | $1.844 | 1/2 | 88.5s |
| #363 | Qwen3 Coder Next medium | Qwen | 1 | 0.6 | $0.071 | 1/2 | 81.8s |
| #297 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.4 | $0.000 | 0/2 | 78.5s |
| #362 | Granite 4.2 8B high | IBM Granite | 1 | 0.4 | $0.111 | 0/2 | 56.5s |
| #375 | Ring 2.6 1t default | Inclusionai | 1 | 0.3 | $0.026 | 0/2 | 45.9s |
| #324 | Kimi K2.5 none | Moonshot AI | 1 | 0.7 | $0.262 | 1/2 | 42.1s |
| #291 | Ring 2.6 1t medium | Inclusionai | 1 | 0.6 | $0.102 | 1/2 | 37.4s |
| #369 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 0.3 | $0.175 | 0/2 | 31.3s |
| #359 | Nemotron 3.5 Lightning medium | NVIDIA | 1 | 0.4 | $0.195 | 0/2 | 23.2s |
| #354 | Hy4 preview none | Tencent | 1 | 0.9 | $0.165 | 1/2 | 22.8s |
| #342 | MiniMax M2.7 medium | Minimax | 1 | 0.6 | $0.326 | 1/2 | 21.9s |
| #293 | GPT-5 Nano medium | OpenAI | 2 | 0.4 | $0.159 | 0/2 | 21.4s |
| #241 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 0.7 | $0.332 | 1/2 | 18.8s |
| #151 | Seed-2.0-Code medium | Bytedance Seed | 1 | 0.7 | $1.275 | 1/2 | 18.8s |