अँटी-एआय युक्त्या: चुकीचे उत्तर
अँटी-एआय युक्त्या
चुकीचे उत्तर
अँटी-एआय युक्त्या मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↑.
अयशस्वी होण्याची कारणे
249/249
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | चुकीचे उत्तर संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #429 | Jev 1.14 default | Typesafe | 2 | 0.4 | $0.003 | 1/3 | 300ms |
| #425 | Decider V1.1 27B default | Perplexity | 2 | 0.4 | $0.002 | 1/3 | 321ms |
| #335 | Mistral Small 4 none | Mistral | 4 | 0.3 | $0.047 | 0/4 | 395ms |
| #434 | D1 default | Liquid | 2 | 0.4 | $0.003 | 1/3 | 431ms |
| #421 | d1-ultra default | Liquid | 2 | 0.4 | $0.003 | 1/3 | 432ms |
| #427 | GPT-6 Luna Decisions default | OpenAI | 3 | 0.2 | $0.005 | 0/3 | 436ms |
| #432 | Decider Flash V1.2 default | Perplexity | 2 | 0.4 | $0.001 | 1/3 | 466ms |
| #388 | Mercury 2.5 none | Inception | 3 | 0.4 | $0.026 | 0/4 | 469ms |
| #436 | LFM2-24B-A2B default | Liquid | 3 | 0.3 | $0.001 | 0/3 | 471ms |
| #382 | Mercury 2 none | Inception | 4 | 0.3 | $0.033 | 0/4 | 483ms |
| #424 | Decider V1.2 default | Perplexity | 1 | 0.6 | $0.001 | 2/3 | 491ms |
| #407 | Grok 4.20 none | X AI | 3 | 0.5 | $0.057 | 1/4 | 501ms |
| #347 | Inkling Small none | Thinkingmachines | 4 | 0.3 | $0.054 | 0/4 | 526ms |
| #416 | Laguna Xs.2 default | Poolside | 2 | 0.3 | $0.004 | 0/4 | 534ms |
| #309 | Gemini 2.5 Flash none | 4 | 0.3 | $0.017 | 0/4 | 582ms |