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
423/423
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) |
|---|---|---|---|---|---|---|---|
| #319 | GPT-6 Luna none | OpenAI | 2 | 0.5 | $0.026 | 1/3 | 8.24s |
| #320 | Gemma 4 26B A4B none | 2 | 0.5 | $0.031 | 1/3 | 2.10s | |
| #321 | GLM 5V Turbo medium | Z.ai | 2 | 0.5 | $0.457 | 1/3 | 38.1s |
| #325 | North Mini Code medium | Cohere | 2 | 0.3 | $0.000 | 0/3 | 107.2s |
| #327 | MiMo-V2.6-Flash none | Xiaomi | 2 | 0.5 | $0.060 | 1/3 | 722ms |
| #329 | Ember-1 none | Fireworks | 2 | 0.5 | $0.786 | 1/3 | 21.6s |
| #330 | Hy3 preview medium | Tencent | 2 | 0.5 | $0.049 | 1/3 | 22.3s |
| #332 | Granite 4.2 8B low | IBM Granite | 2 | 0.5 | $0.036 | 1/3 | 26.2s |
| #334 | Qwen3.6 Max Preview none | Qwen | 2 | 0.5 | $0.228 | 1/3 | 1.23s |
| #335 | Laguna XS 2.1 none | Poolside | 2 | 0.5 | $0.020 | 1/3 | 303ms |
| #337 | Inkling Small low | Thinkingmachines | 2 | 0.5 | $0.055 | 1/3 | 852ms |
| #338 | Ling 3.0 Flash none | Inclusionai | 2 | 0.3 | $0.004 | 0/3 | 840ms |
| #342 | MiMo-V2-Flash medium | Xiaomi | 2 | 0.6 | $0.043 | 1/3 | 96.0s |
| #343 | Mistral Small 4 medium | Mistral | 2 | 0.6 | $0.126 | 1/3 | 6.33s |
| #344 | Mistral Small 4 none | Mistral | 2 | 0.5 | $0.047 | 1/3 | 377ms |