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) |
|---|---|---|---|---|---|---|---|
| #248 | Seed-2.0-Code none | Bytedance Seed | 3 | 3.5 | $0.151 | 0/3 | 1.91s |
| #249 | Ling-2.6-1T none | Inclusionai | 3 | 3.0 | $0.016 | 0/3 | 1.08s |
| #251 | Qwen3.6 35B A3B none | Qwen | 3 | 2.9 | $0.051 | 0/3 | 7.76s |
| #252 | Dots 3 Note Preview none | Dots Studio | 3 | 3.0 | $0.000 | 0/3 | 1.10s |
| #255 | Nemotron 3.5 Lightning medium | NVIDIA | 3 | 2.9 | $0.156 | 0/3 | 74.7s |
| #260 | MiMo-V2.5 none | Xiaomi | 3 | 2.9 | $0.025 | 0/3 | 1.24s |
| #261 | Qwen3.5-9B none | Qwen | 3 | 3.0 | $0.021 | 0/3 | 636ms |
| #263 | North Mini Code none | Cohere | 3 | 3.0 | $0.000 | 0/3 | 14.7s |
| #265 | Mercury 2.5 Preview low | Inception | 3 | 4.1 | $0.011 | 0/3 | 836ms |
| #266 | Laguna S 2.1 low | Poolside | 3 | 3.0 | $0.082 | 0/3 | 2.46s |
| #267 | DeepSeek V3.2 none | DeepSeek | 3 | 3.0 | $0.054 | 0/3 | 1.48s |
| #268 | GPT-4o-mini none | OpenAI | 3 | 3.0 | $0.010 | 0/3 | 743ms |
| #270 | Mercury 2.5 Preview none | Inception | 3 | 3.6 | $0.018 | 0/3 | 631ms |
| #271 | Ling-2.6-flash none | Inclusionai | 3 | 3.0 | $0.002 | 0/3 | 5.20s |
| #272 | Nemotron 3 Super none | NVIDIA | 3 | 3.0 | $0.008 | 0/3 | 6.78s |