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) |
|---|---|---|---|---|---|---|---|
| #138 | Claude Haiku 5.5 medium | Anthropic | 1 | 0.3 | $0.063 | 0/3 | 7.96s |
| #146 | Space Bunny Alpha high | Stealth | 1 | 0.8 | $0.000 | 2/3 | 85.1s |
| #147 | GLM 5.1 medium | Z.ai | 1 | 0.3 | $1.546 | 0/3 | 114.0s |
| #148 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 0.3 | $0.140 | 0/3 | 103.4s |
| #160 | Gemma 4 26B A4B medium | 1 | 0.5 | $0.101 | 1/3 | 35.1s | |
| #162 | Claude Fable 5.1 medium | Anthropic | 1 | 0.8 | $3.197 | 2/3 | 19.3s |
| #169 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 0.5 | $0.567 | 1/3 | 56.0s |
| #181 | Minimax M3.1 Flash low | Minimax | 1 | 0.8 | $0.000 | 2/3 | 53.3s |
| #183 | MiMo-V2.5 medium | Xiaomi | 1 | 0.4 | $0.130 | 0/3 | 137.7s |
| #199 | Claude Sonnet 5.5 low | Anthropic | 1 | 0.3 | $0.909 | 0/3 | 8.09s |
| #206 | Space Bunny Alpha max | Stealth | 1 | 0.8 | $0.000 | 2/3 | 140.0s |
| #208 | Grok 4.7 xhigh | X AI | 1 | 0.3 | $3.398 | 0/3 | 190.6s |
| #212 | Grok 4.7 high | X AI | 1 | 0.5 | $3.037 | 1/3 | 306.7s |
| #213 | MiniMax M3 medium | Minimax | 1 | 0.3 | $0.422 | 0/3 | 235.0s |
| #220 | GLM 5.2 none | Z.ai | 1 | 0.8 | $0.250 | 2/3 | 6.35s |