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: बरोबर चाचण्या ↑.
अयशस्वी होण्याची कारणे
140/140
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) |
|---|---|---|---|---|---|---|---|
| #82 | DeepSeek V4 Pro none | DeepSeek | 2 | 3.2 | $0.096 | 0/4 | 4.02s |
| #116 | Seed-2.0-Lite none | Bytedance Seed | 4 | 3.0 | $0.066 | 0/4 | 2.43s |
| #118 | Gemini 2.5 Flash none | 4 | 3.0 | $0.017 | 0/4 | 582ms | |
| #124 | Qwen3.6 Flash none | Qwen | 4 | 3.1 | $0.062 | 0/4 | 1.63s |
| #125 | Qwen3.5-Flash none | Qwen | 4 | 3.5 | $0.073 | 0/4 | 1.32s |
| #127 | Qwen3.5-35B-A3B none | Qwen | 4 | 3.4 | $0.106 | 0/4 | 1.43s |
| #129 | Nemotron 3 Ultra none | NVIDIA | 4 | 3.5 | $0.095 | 0/4 | 2.35s |
| #136 | GPT-5.4 Mini none | OpenAI | 4 | 3.1 | $0.095 | 0/4 | 929ms |
| #139 | GPT-5.4 none | OpenAI | 4 | 3.2 | $0.397 | 0/4 | 1.21s |
| #147 | Mimo V2 PRO none | Xiaomi | 4 | 3.5 | $0.045 | 0/4 | 1.80s |
| #148 | Owl Alpha none | Openrouter | 3 | 3.4 | $0.000 | 0/4 | 2.78s |
| #150 | DeepSeek V4 Flash none | DeepSeek | 4 | 3.0 | $0.044 | 0/4 | 20.2s |
| #151 | GLM 5.1 none | Z.ai | 4 | 4.0 | $0.164 | 0/4 | 2.11s |
| #152 | Qwen3.6 27B none | Qwen | 4 | 3.8 | $0.087 | 0/4 | 2.83s |
| #154 | MiMo-V2.5-Pro none | Xiaomi | 3 | 3.3 | $0.068 | 0/4 | 2.67s |