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) |
|---|---|---|---|---|---|---|---|
| #31 | Claude Opus 5.5 medium | Anthropic | 1 | 0.8 | $1.804 | 2/3 | 21.3s |
| #32 | Muse Wonder medium | Meta | 1 | 0.5 | $3.397 | 1/3 | 70.7s |
| #37 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.6 | $3.306 | 1/3 | 658.5s |
| #39 | Claude Haiku 5.5 xhigh | Anthropic | 1 | 0.5 | $0.140 | 1/3 | 47.8s |
| #42 | Pareto default | Unbiased | 1 | 0.8 | $1.520 | 2/3 | 98.8s |
| #45 | Muse Spark Open xhigh | Meta | 1 | 0.3 | $2.081 | 0/3 | 341.5s |
| #52 | Gemini 3.6 Flash low | 1 | 0.8 | $0.363 | 2/3 | 4.65s | |
| #58 | Claude Fable 5 medium | Anthropic | 1 | 0.5 | $5.089 | 1/3 | 37.3s |
| #66 | GPT-5.2 medium | OpenAI | 1 | 0.6 | $1.558 | 1/3 | 97.3s |
| #67 | Qwen3.8 27B high | Qwen | 1 | 0.5 | ~$0.298 | 1/3 | 526.7s |
| #68 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.3 | $0.586 | 0/3 | 619.7s |
| #75 | Claude Haiku 5.5 low | Anthropic | 1 | 0.6 | $0.061 | 1/3 | 7.35s |
| #82 | Nemotron 3.5 Super VL high | NVIDIA | 1 | 0.4 | $0.349 | 0/3 | 113.7s |
| #86 | Gemini 3.1 Pro Preview medium | 1 | 0.8 | $1.585 | 2/3 | 20.3s | |
| #87 | Inkling high | Thinkingmachines | 1 | 0.8 | $1.238 | 2/3 | 174.7s |