AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

डोमेन-विशिष्ट: गलत उत्तर

डोमेन-विशिष्ट
गलत उत्तर

देखें कि डोमेन-विशिष्ट में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें।

दिखाए गए मॉडल

15

कुल विफलताएँ

659

सबसे अधिक प्रभावित मॉडल

Claude Opus 5 3

विफलता के कारण

गलत उत्तर659 समय समाप्त42 कोई उत्तर नहीं35 अतिरिक्त फॉर्मेटिंग23 API त्रुटि17 निर्देशों का पालन नहीं किया2

श्रेणियाँ

डोमेन-विशिष्ट659 एंटी-एआई ट्रिक्स386 कोडिंग361 पहेली समाधान275 सामान्य ज्ञान246 संयुक्त95 Samanya Buddhimatta90 निर्देश पालन82 डेटा पार्सिंग और निष्कर्षण66 टूल कॉलिंग5
303/303
रैंक मॉडल कंपनी गलत उत्तर संख्या श्रेणी स्कोर कुल लागत सही परीक्षण प्रतिक्रिया समय (औसत)

गलत उत्तर संख्या के अनुसार शीर्ष मॉडल

गलत उत्तर संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल