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) |
|---|---|---|---|---|---|---|---|
| #31 | Muse Spark 1.3 high | Meta | 2 | 2.9 | $1.653 | 0/3 | 174.6s |
| #32 | Seed 2.1 Turbo high | Bytedance Seed | 2 | 2.9 | $1.797 | 0/3 | 506.2s |
| #33 | Gemini 3.5 Flash low | 2 | 5.3 | $0.449 | 1/3 | 4.89s | |
| #37 | Claude Opus 5 low | Anthropic | 2 | 5.3 | $1.121 | 1/3 | 8.91s |
| #39 | GLM 5.3 Flash max | Z.ai | 2 | 3.6 | $0.059 | 0/3 | 203.3s |
| #42 | Muse Spark 1.2 medium | Meta | 2 | 5.3 | $1.339 | 1/3 | 77.2s |
| #45 | Qwen3.6 Max Preview medium | Qwen | 2 | 5.3 | $1.132 | 1/3 | 88.5s |
| #47 | GPT-5.4 medium | OpenAI | 2 | 5.3 | $1.560 | 1/3 | 72.4s |
| #48 | Grok 4.5 medium | X AI | 2 | 5.3 | $2.042 | 1/3 | 249.3s |
| #49 | Muse Spark 1.2 low | Meta | 2 | 5.3 | $0.655 | 1/3 | 28.5s |
| #50 | Grok 4.6 medium | X AI | 2 | 5.3 | $1.713 | 1/3 | 304.3s |
| #55 | Inkling Small high | Thinkingmachines | 2 | 5.3 | $0.398 | 1/3 | 56.3s |
| #56 | Muse Spark 1.1 low | Meta | 2 | 3.6 | $0.673 | 0/3 | 33.0s |
| #58 | Gemini 2.5 Flash medium | 2 | 5.9 | $0.644 | 1/3 | 37.1s | |
| #60 | Claude Sonnet 5 medium | Anthropic | 2 | 5.3 | $0.922 | 1/3 | 20.5s |