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) |
|---|---|---|---|---|---|---|---|
| #314 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 3 | 3.6 | $0.000 | 0/3 | 489ms |
| #6 | Gemini 3.7 Flash high | 2 | 5.8 | $0.646 | 1/3 | 16.8s | |
| #7 | Gemini 3.6 Flash medium | 2 | 5.8 | $0.427 | 1/3 | 22.0s | |
| #8 | GPT-5.6 Sol low | OpenAI | 2 | 5.3 | $0.357 | 1/3 | 31.0s |
| #11 | Gemini 3.5 Flash high | 2 | 5.3 | $2.011 | 1/3 | 17.0s | |
| #13 | GPT-5.6 Sol medium | OpenAI | 2 | 5.9 | $0.508 | 1/3 | 57.2s |
| #14 | GPT-6 Astra medium | OpenAI | 2 | 5.9 | $1.774 | 1/3 | 30.6s |
| #15 | GPT-5.6 Sol high | OpenAI | 2 | 5.3 | $0.446 | 1/3 | 37.7s |
| #16 | GPT-5.5 low | OpenAI | 2 | 5.3 | $1.257 | 1/3 | 28.2s |
| #17 | Grok 4.6 high | X AI | 2 | 5.3 | $1.908 | 1/3 | 369.9s |
| #20 | Claude Opus 5 high | Anthropic | 2 | 3.0 | $3.070 | 0/3 | 104.2s |
| #26 | Gemini 3.5 Flash medium | 2 | 5.3 | $0.665 | 1/3 | 7.28s | |
| #27 | GPT-5.5 medium | OpenAI | 2 | 5.3 | $4.163 | 1/3 | 168.2s |
| #29 | Grok 4.5 high | X AI | 2 | 4.1 | $2.252 | 0/3 | 301.3s |
| #30 | GPT-5.3-Codex medium | OpenAI | 2 | 5.9 | $0.988 | 1/3 | 63.9s |