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।
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) |
|---|---|---|---|---|---|---|---|
| #267 | Trinity Large Thinking medium | Arcee AI | 1 | 0.6 | $0.862 | 1/2 | 16.4s |
| #272 | Granite 4.2 8B medium | IBM Granite | 1 | 0.7 | $0.029 | 1/2 | 1.43s |
| #281 | gpt-oss-120b medium | OpenAI | 1 | 0.6 | $0.030 | 1/2 | 1.98s |
| #290 | Ling 3.0 Flash high | Inclusionai | 1 | 0.7 | $0.021 | 1/2 | 7.15s |
| #291 | Ring 2.6 1t medium | Inclusionai | 1 | 0.6 | $0.102 | 1/2 | 37.4s |
| #292 | Trinity Large Thinking high | Arcee AI | 1 | 0.6 | $0.794 | 1/2 | 14.0s |
| #296 | Seed 2.1 Turbo none | Bytedance Seed | 1 | 0.7 | $0.182 | 1/2 | 2.63s |
| #297 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.4 | $0.000 | 0/2 | 78.5s |
| #315 | Qwen3.8 27B none | Qwen | 1 | 0.6 | ~$0.010 | 1/2 | 1.14s |
| #317 | Hy4 preview low | Tencent | 1 | 0.9 | $1.844 | 1/2 | 88.5s |
| #323 | Granite 4.2 8B low | IBM Granite | 1 | 0.7 | $0.036 | 1/2 | 1.39s |
| #324 | Kimi K2.5 none | Moonshot AI | 1 | 0.7 | $0.262 | 1/2 | 42.1s |
| #331 | KAT Coder AIR V2.5 high | Kwaipilot | 1 | 0.6 | $0.077 | 1/2 | 3.59s |
| #332 | Mimo V2 PRO medium | Xiaomi | 1 | 0.7 | $0.333 | 1/2 | 17.2s |
| #336 | Mercury 2.5 low | Inception | 1 | 0.6 | $0.020 | 1/2 | 1.06s |