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: एकूण खर्च ↓.
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) |
|---|---|---|---|---|---|---|---|
| #391 | Grok 4.20 Multi Agent Beta medium | X AI | 1 | 0.7 | $5.599 | 2/4 | 3.46s |
| #185 | Step 5 Preview high | Stepfun | 1 | 0.7 | $4.513 | 2/4 | 14.7s |
| #271 | Step 5 Preview medium | Stepfun | 1 | 0.6 | $4.136 | 2/4 | 12.6s |
| #302 | Step 5 Preview low | Stepfun | 1 | 0.7 | $4.110 | 2/4 | 9.50s |
| #105 | Claude Opus 4.7 medium | Anthropic | 1 | 0.8 | $3.636 | 3/4 | 1.85s |
| #175 | Claude Opus 5 none | Anthropic | 3 | 0.6 | $2.766 | 1/4 | 4.33s |
| #87 | Muse Spark 1.1 high | Meta | 1 | 0.7 | $2.570 | 2/4 | 8.60s |
| #60 | GPT-5.4 medium | OpenAI | 1 | 0.8 | $2.213 | 3/4 | 4.11s |
| #236 | Claude Sonnet 4.6 medium | Anthropic | 1 | 0.7 | $2.126 | 2/4 | 2.98s |
| #366 | Gemini 3.1 Flash Lite high | 1 | 0.9 | $2.044 | 3/4 | 37.2s | |
| #68 | Seed 2.1 Turbo medium | Bytedance Seed | 1 | 0.8 | $2.042 | 3/4 | 28.2s |
| #42 | Seed 2.1 Turbo high | Bytedance Seed | 1 | 0.8 | $1.892 | 3/4 | 47.0s |
| #58 | Pareto 26.9 default | Unbiased | 2 | 0.7 | $1.864 | 2/4 | 6.44s |
| #317 | Hy4 preview low | Tencent | 4 | 0.6 | $1.844 | 0/4 | 129.6s |
| #29 | Seed 2.1 Turbo low | Bytedance Seed | 1 | 0.8 | $1.645 | 3/4 | 34.8s |