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
59/59
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) |
|---|---|---|---|---|---|---|---|
| #270 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 2.9 | $0.140 | 0/2 | 31.3s |
| #271 | GPT-5.4 Nano none | OpenAI | 1 | 6.5 | $0.041 | 1/2 | 1.11s |
| #272 | Trinity Large Thinking high | Arcee AI | 1 | 6.3 | $0.592 | 1/2 | 14.0s |
| #275 | GLM 4.7 Flash none | Z.ai | 1 | 7.3 | $0.016 | 1/2 | 4.82s |
| #280 | Cobuddy medium | Baidu | 1 | 6.3 | $0.000 | 1/2 | 17.4s |
| #281 | Mercury 2 none | Inception | 1 | 7.3 | $0.030 | 1/2 | 667ms |
| #282 | Granite 4.2 8B high | IBM Granite | 1 | 3.8 | $0.084 | 0/2 | 56.5s |
| #283 | Qwen3 Coder Next medium | Qwen | 1 | 6.5 | $0.034 | 1/2 | 81.8s |
| #288 | Elephant Alpha none | Openrouter | 1 | 6.5 | $0.000 | 1/2 | 1.04s |
| #290 | Elephant Alpha medium | Openrouter | 1 | 6.5 | $0.000 | 1/2 | 979ms |
| #300 | Grok Build 0.1 none | X AI | 1 | 3.8 | $0.547 | 0/2 | 9.33s |
| #302 | Ling 3.0 Tiny low | Inclusionai | 1 | 2.8 | $0.000 | 0/2 | 4.82s |
| #305 | Ling 3.0 Tiny medium | Inclusionai | 1 | 2.7 | $0.000 | 0/2 | 4.41s |
| #308 | Nemotron 3 Nano Omni 30b A3b Reasoning medium | NVIDIA | 1 | 7.3 | $0.000 | 1/2 | 2.72s |