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) |
|---|---|---|---|---|---|---|---|
| #97 | MiniMax M3 medium | Minimax | 1 | 3.2 | $0.300 | 0/3 | 235.0s |
| #99 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 5.3 | $0.459 | 1/3 | 56.0s |
| #100 | Qwen3.5-27B medium | Qwen | 1 | 5.9 | $0.982 | 1/3 | 89.4s |
| #106 | Qwen3.7 Max none | Qwen | 1 | 7.7 | $0.197 | 2/3 | 1.24s |
| #107 | Kimi K2.7 Code medium | Moonshot AI | 1 | 3.7 | $0.687 | 0/3 | 184.2s |
| #113 | Claude Sonnet 4.6 none | Anthropic | 1 | 7.7 | $0.661 | 2/3 | 2.27s |
| #114 | GLM 5.3 high | Z.ai | 1 | 2.9 | $0.403 | 0/3 | 112.3s |
| #134 | GLM 5.1 medium | Z.ai | 1 | 3.0 | $0.727 | 0/3 | 114.0s |
| #137 | Grok 4.20 medium | X AI | 1 | 2.9 | $0.805 | 0/3 | 49.7s |
| #138 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 3.0 | $0.116 | 0/3 | 103.4s |
| #153 | Gemini 3 Flash Preview none | 1 | 7.7 | $0.085 | 2/3 | 879ms | |
| #154 | Gemma 4 26B A4B medium | 1 | 5.3 | $0.092 | 1/3 | 35.1s | |
| #155 | GLM 5.2 none | Z.ai | 1 | 7.7 | $0.153 | 2/3 | 6.35s |
| #157 | LongCat 2.0 low | Meituan | 1 | 2.9 | $0.412 | 0/3 | 183.6s |
| #158 | Gemini 3.5 Flash minimal | 1 | 7.7 | $0.300 | 2/3 | 879ms |