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: बरोबर चाचण्या ↓.
अयशस्वी होण्याची कारणे
55/55
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) |
|---|---|---|---|---|---|---|---|
| #83 | GPT-5 Mini medium | OpenAI | 1 | 0.7 | $0.315 | 1/2 | 99.8s |
| #102 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 0.6 | $0.271 | 1/2 | 58.5s |
| #133 | Muse Glimmer 30B high | Meta | 1 | 0.6 | $0.506 | 1/2 | 115.4s |
| #138 | Muse Glimmer 30B medium | Meta | 1 | 0.7 | $0.288 | 1/2 | 76.5s |
| #140 | Qwen3.8 Flash Next medium | Qwen | 1 | 0.6 | ~$0.047 | 1/2 | 76.7s |
| #141 | GPT-6 Luna low | OpenAI | 1 | 0.7 | $0.033 | 1/2 | 49.8s |
| #145 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 0.7 | $0.140 | 1/2 | 282.3s |
| #153 | Grok 4.7 low | X AI | 1 | 0.7 | $1.933 | 1/2 | 31.2s |
| #156 | Inkling medium | Thinkingmachines | 1 | 0.7 | $0.527 | 1/2 | 41.2s |
| #180 | GPT-5.2 Chat default | OpenAI | 1 | 0.7 | $0.594 | 1/2 | 13.9s |
| #199 | Mercury 2.5 Preview medium | Inception | 1 | 0.7 | $0.039 | 1/2 | 13.9s |
| #225 | Mercury 2.5 high | Inception | 1 | 0.6 | $0.044 | 1/2 | 16.0s |
| #230 | Grok 4.3 medium | X AI | 1 | 0.7 | $0.989 | 1/2 | 55.1s |
| #274 | Apodex 1.1 Mini medium | Apodex | 1 | 0.6 | $0.000 | 1/2 | 66.4s |
| #284 | Claude Sonnet 5 none | Anthropic | 1 | 0.7 | $1.095 | 1/2 | 31.4s |