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) |
|---|---|---|---|---|---|---|---|
| #385 | Mimo V2 Omni default | Xiaomi | 2 | 0.5 | $0.021 | 1/3 | 2.10s |
| #388 | Trinity Large Preview default | Arcee AI | 2 | 0.5 | $0.008 | 1/3 | 877ms |
| #391 | Mercury 2 none | Inception | 2 | 0.6 | $0.033 | 1/3 | 500ms |
| #392 | Gemini 3.1 Flash Lite Preview high | 2 | 0.5 | $2.310 | 1/3 | 127.6s | |
| #393 | MiniMax M2.5 medium | Minimax | 2 | 0.3 | $0.440 | 0/3 | 158.9s |
| #394 | GLM 4.7 Flash medium | Z.ai | 2 | 0.3 | $0.193 | 0/3 | 96.7s |
| #396 | GLM 5 Turbo none | Z.ai | 2 | 0.5 | $0.047 | 1/3 | 1.97s |
| #397 | Mercury 2.5 none | Inception | 2 | 0.5 | $0.026 | 1/3 | 533ms |
| #398 | Qwen3.6 Plus Preview medium | Qwen | 2 | 0.3 | $0.000 | 0/3 | 22.1s |
| #400 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 0.3 | $5.599 | 0/3 | 24.7s |
| #403 | Laguna M.1 medium | Poolside | 2 | 0.5 | $0.033 | 1/3 | 24.1s |
| #404 | Ling 3.0 Tiny default | Inclusionai | 2 | 0.3 | $0.000 | 0/3 | 880ms |
| #415 | Hunter Alpha default | OpenRouter | 2 | 0.5 | $0.000 | 1/3 | 2.33s |
| #416 | Grok 4.20 none | X AI | 2 | 0.3 | $0.057 | 0/3 | 687ms |
| #418 | Laguna Xs.2 medium | Poolside | 2 | 0.4 | $0.015 | 0/3 | 11.1s |