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।
विफलता के कारण
303/303
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) |
|---|---|---|---|---|---|---|---|
| #256 | Mistral Small 4 none | Mistral | 2 | 5.3 | $0.022 | 1/3 | 377ms |
| #257 | Mistral Small 4 medium | Mistral | 2 | 5.9 | $0.097 | 1/3 | 6.33s |
| #258 | Granite 4.2 8B low | IBM Granite | 2 | 5.3 | $0.012 | 1/3 | 26.2s |
| #259 | Qwen3 Coder Next none | Qwen | 2 | 5.3 | $0.026 | 1/3 | 871ms |
| #262 | GLM 5 Turbo none | Z.ai | 2 | 5.3 | $0.047 | 1/3 | 1.97s |
| #269 | Qwen3.6 Plus Preview medium | Qwen | 2 | 3.0 | $0.000 | 0/3 | 22.1s |
| #274 | Ring-2.6-1T none | Inclusionai | 2 | 5.3 | $0.026 | 1/3 | 56.8s |
| #278 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 2.9 | $5.599 | 0/3 | 24.7s |
| #280 | GLM 4.7 Flash none | Z.ai | 2 | 5.3 | $0.016 | 1/3 | 2.22s |
| #281 | Trinity Large Preview none | Arcee AI | 2 | 5.3 | $0.008 | 1/3 | 877ms |
| #284 | Laguna M.1 medium | Poolside | 2 | 5.3 | $0.033 | 1/3 | 24.1s |
| #286 | Mercury 2 none | Inception | 2 | 5.9 | $0.030 | 1/3 | 500ms |
| #287 | Granite 4.2 8B high | IBM Granite | 2 | 2.9 | $0.084 | 0/3 | 167.2s |
| #289 | MiniMax M2.5 medium | Minimax | 2 | 2.9 | $0.327 | 0/3 | 158.9s |
| #294 | GLM 4.7 Flash medium | Z.ai | 2 | 3.5 | $0.168 | 0/3 | 96.7s |