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) |
|---|---|---|---|---|---|---|---|
| #337 | KAT Coder AIR V2.5 medium | Kwaipilot | 1 | 0.6 | $0.048 | 1/2 | 3.65s |
| #341 | Mercury 2.5 Preview low | Inception | 1 | 0.6 | $0.015 | 1/2 | 1.12s |
| #342 | MiniMax M2.7 medium | Minimax | 1 | 0.6 | $0.326 | 1/2 | 21.9s |
| #345 | KAT Coder AIR V2.5 low | Kwaipilot | 1 | 0.6 | $0.046 | 1/2 | 2.82s |
| #348 | Qwen3 Coder Next default | Qwen | 1 | 0.6 | $0.067 | 1/2 | 1.32s |
| #354 | Hy4 preview none | Tencent | 1 | 0.9 | $0.165 | 1/2 | 22.8s |
| #357 | GLM 4.7 Flash none | Z.ai | 1 | 0.7 | $0.027 | 1/2 | 4.82s |
| #358 | Mercury 2.5 Preview default | Inception | 1 | 0.6 | $0.023 | 1/2 | 1.04s |
| #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 |
| #363 | Qwen3 Coder Next medium | Qwen | 1 | 0.6 | $0.071 | 1/2 | 81.8s |
| #364 | DeepSeek V3.2 none | DeepSeek | 1 | 0.6 | $0.119 | 1/2 | 9.42s |
| #365 | GPT-5.4 Nano none | OpenAI | 1 | 0.6 | $0.068 | 1/2 | 1.11s |
| #369 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 0.3 | $0.175 | 0/2 | 31.3s |
| #373 | Ling 2.6 Flash default | Inclusionai | 1 | 0.6 | $0.002 | 1/2 | 8.48s |