संयुक्त: उत्तर नाही
संयुक्त
उत्तर नाही
संयुक्त मध्ये कोणत्या AI मॉडेल्सना उत्तर नाही येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: अपयशांची संख्या ↑.
अयशस्वी होण्याची कारणे
29/29
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | उत्तर नाही संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #26 | GPT-5 Mini medium | OpenAI | 1 | 7.3 | $0.237 | 1/2 | 99.8s |
| #30 | GPT-5.2 Chat none | OpenAI | 1 | 7.3 | $0.604 | 1/2 | 13.9s |
| #32 | Inkling medium | Thinkingmachines | 1 | 7.3 | $0.391 | 1/2 | 41.2s |
| #35 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 6.4 | $0.234 | 1/2 | 58.5s |
| #73 | Grok 4.3 medium | X AI | 1 | 6.5 | $0.779 | 1/2 | 55.1s |
| #80 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 7.3 | $0.101 | 1/2 | 282.3s |
| #89 | Gemini 3 Flash Preview none | 1 | 3.8 | $0.085 | 0/2 | 12.4s | |
| #106 | Gemini 3.1 Flash Lite Preview none | 1 | 3.0 | $0.052 | 0/2 | 6.23s | |
| #112 | Claude Sonnet 5 none | Anthropic | 1 | 6.5 | $0.548 | 1/2 | 31.4s |
| #116 | Seed-2.0-Lite none | Bytedance Seed | 1 | 3.0 | $0.066 | 0/2 | 25.6s |
| #119 | Qwen3.5-35B-A3B medium | Qwen | 1 | 3.8 | $0.837 | 0/2 | 512.8s |
| #120 | Gemini 3.1 Flash Lite minimal | 1 | 3.0 | $0.047 | 0/2 | 7.75s | |
| #122 | Gemini 3.1 Flash Lite none | 1 | 3.0 | $0.046 | 0/2 | 9.49s | |
| #128 | GPT-5 Nano medium | OpenAI | 1 | 6.4 | $0.114 | 1/2 | 146.9s |
| #132 | GPT-5.6 Terra none | OpenAI | 1 | 2.9 | $0.349 | 0/2 | 7.02s |