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
198/198
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) |
|---|---|---|---|---|---|---|---|
| #117 | GPT-5.6 Luna low | OpenAI | 3 | 3.6 | $0.249 | 0/3 | 10.0s |
| #120 | Gemini 3.1 Flash Lite minimal | 3 | 2.9 | $0.047 | 0/3 | 1.02s | |
| #121 | gpt-oss-120b medium | OpenAI | 3 | 2.9 | $0.019 | 0/3 | 50.9s |
| #122 | Gemini 3.1 Flash Lite none | 3 | 2.9 | $0.046 | 0/3 | 762ms | |
| #136 | GPT-5.4 Mini none | OpenAI | 3 | 3.5 | $0.095 | 0/3 | 937ms |
| #141 | GLM 5 none | Z.ai | 3 | 3.0 | $0.041 | 0/3 | 2.24s |
| #143 | Gemini 3.1 Flash Lite high | 3 | 3.6 | $2.044 | 0/3 | 139.9s | |
| #149 | KAT-Coder-Air V2.5 medium | Kwaipilot | 3 | 3.0 | $0.048 | 0/3 | 4.87s |
| #151 | GLM 5.1 none | Z.ai | 3 | 2.9 | $0.164 | 0/3 | 1.99s |
| #156 | Gemma 4 26B A4B none | 3 | 3.6 | $0.015 | 0/3 | 2.49s | |
| #159 | GPT-5.6 Luna none | OpenAI | 3 | 2.9 | $0.142 | 0/3 | 737ms |
| #161 | Qwen3.6 35B A3B none | Qwen | 3 | 3.5 | $0.061 | 0/3 | 7.45s |
| #162 | Ling-2.6-1T none | Inclusionai | 3 | 3.0 | $0.016 | 0/3 | 1.04s |
| #168 | MiMo-V2.5 none | Xiaomi | 3 | 3.0 | $0.025 | 0/3 | 756ms |
| #169 | Qwen3.5-9B none | Qwen | 3 | 3.0 | $0.021 | 0/3 | 464ms |