सामान्य ज्ञान: गलत उत्तर
सामान्य ज्ञान
गलत उत्तर
देखें कि सामान्य ज्ञान में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें।
विफलता के कारण
323/323
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) |
|---|---|---|---|---|---|---|---|
| #99 | GPT-5.6 Terra high | OpenAI | 1 | 0.3 | $0.698 | 0/1 | 23.3s |
| #103 | GPT-6 Luna medium | OpenAI | 1 | 0.3 | $0.047 | 0/1 | 6.39s |
| #106 | Qwen3.7 Plus medium | Qwen | 1 | 0.3 | $0.415 | 0/1 | 91.1s |
| #107 | Gemini 4 Argon low | 1 | 0.3 | $0.438 | 0/1 | 1.96s | |
| #108 | DeepSeek V4.1 Flash 1017 max | DeepSeek | 1 | 0.3 | $0.757 | 0/1 | 97.8s |
| #111 | GPT-5.6 Terra medium | OpenAI | 1 | 0.3 | $0.483 | 0/1 | 10.1s |
| #112 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 0.3 | $0.271 | 0/1 | 48.3s |
| #113 | Kimi K3.1 Pro high | Moonshot AI | 1 | 0.3 | $1.646 | 0/1 | 89.7s |
| #114 | Seed-2.0-Code low | Bytedance Seed | 1 | 0.3 | $0.881 | 0/1 | 10.0s |
| #115 | DeepSeek V4 Pro 0423 high | DeepSeek | 1 | 0.3 | $0.149 | 0/1 | 34.0s |
| #116 | Claude Opus 4.7 medium | Anthropic | 1 | 0.3 | $3.636 | 0/1 | 2.25s |
| #117 | DeepSeek V4 Flash 0423 high | DeepSeek | 1 | 0.3 | $0.261 | 0/1 | 54.5s |
| #118 | DeepSeek V4.1 Flash low | DeepSeek | 1 | 0.3 | $0.494 | 0/1 | 46.9s |
| #119 | GPT-5.6 Luna high | OpenAI | 1 | 0.3 | $0.118 | 0/1 | 17.0s |
| #120 | Nemotron 3 Ultra medium | NVIDIA | 1 | 0.3 | $0.674 | 0/1 | 38.5s |