संयुक्त: चुकीचे उत्तर
संयुक्त
चुकीचे उत्तर
संयुक्त मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.
अयशस्वी होण्याची कारणे
117/117
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) |
|---|---|---|---|---|---|---|---|
| #152 | GLM 5.3 FlashX high | Z.ai | 2 | 0.3 | $0.210 | 0/2 | 27.7s |
| #188 | Gemini 3 Flash Preview low | 2 | 0.3 | $0.254 | 0/2 | 10.2s | |
| #277 | MiMo-V2.6-Pro none | Xiaomi | 2 | 0.3 | $0.193 | 0/2 | 7.78s |
| #295 | Mistral Large 4 none | Mistral | 2 | 0.3 | $0.290 | 0/2 | 36.9s |
| #299 | Space Bunny Alpha low | Stealth | 2 | 0.4 | $0.000 | 0/2 | 12.2s |
| #300 | GPT-5.4 none | OpenAI | 2 | 0.3 | $0.690 | 0/2 | 9.26s |
| #335 | Mistral Small 4 none | Mistral | 2 | 0.3 | $0.047 | 0/2 | 7.44s |
| #377 | Nemotron 3 Super none | NVIDIA | 2 | 0.3 | $0.016 | 0/2 | 18.2s |
| #382 | Mercury 2 none | Inception | 2 | 0.3 | $0.033 | 0/2 | 2.56s |
| #49 | Gemini 4 Argon medium | 1 | 0.6 | $0.674 | 1/2 | 15.1s | |
| #51 | Gemini 3.6 Flash low | 1 | 0.7 | $0.363 | 1/2 | 19.8s | |
| #81 | Nemotron 3.5 Super VL high | NVIDIA | 1 | 0.7 | $0.349 | 1/2 | 183.5s |
| #98 | Gemini 4 Argon low | 1 | 0.4 | $0.438 | 0/2 | 11.9s | |
| #118 | Qwen3.7 Max none | Qwen | 1 | 0.7 | $0.451 | 1/2 | 37.2s |
| #125 | GLM 5.3 high | Z.ai | 1 | 0.6 | $0.495 | 1/2 | 64.0s |