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) |
|---|---|---|---|---|---|---|---|
| #207 | Step 3.5 Flash medium | Stepfun | 3 | 3.5 | $0.132 | 0/3 | 311.6s |
| #208 | Dots 3 Note Preview medium | Dots Studio | 3 | 3.6 | $0.000 | 0/3 | 47.5s |
| #211 | GLM 5.3 Flash low | Z.ai | 3 | 3.6 | $0.015 | 0/3 | 7.93s |
| #212 | GPT-5.4 Mini none | OpenAI | 3 | 3.6 | $0.095 | 0/3 | 1.31s |
| #215 | Solar Pro 4 none | Upstage | 3 | 2.9 | $0.006 | 0/3 | 4.65s |
| #218 | GLM 5 none | Z.ai | 3 | 3.0 | $0.027 | 0/3 | 2.24s |
| #222 | Kimi K2.6 none | Moonshot AI | 3 | 2.9 | $0.233 | 0/3 | 1.39s |
| #224 | Gemini 3.1 Flash Lite high | 3 | 3.6 | $2.044 | 0/3 | 139.9s | |
| #232 | Nemotron 3.5 Lightning high | NVIDIA | 3 | 2.9 | $0.134 | 0/3 | 88.6s |
| #238 | DeepSeek V4 Flash 0423 none | DeepSeek | 3 | 3.0 | $0.039 | 0/3 | 15.3s |
| #239 | Laguna S 2.1 medium | Poolside | 3 | 3.0 | $0.053 | 0/3 | 2.68s |
| #241 | GPT-5.6 Luna none | OpenAI | 3 | 3.6 | $0.029 | 0/3 | 784ms |
| #242 | MiMo-V2.5-Pro none | Xiaomi | 3 | 3.0 | $0.068 | 0/3 | 1.79s |
| #243 | Kimi K2.5 none | Moonshot AI | 3 | 3.0 | $0.101 | 0/3 | 2.75s |
| #245 | Laguna S 2.1 high | Poolside | 3 | 3.0 | $0.114 | 0/3 | 2.51s |