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. क्रम लावा: एकूण खर्च ↑.
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) |
|---|---|---|---|---|---|---|---|
| #143 | Space Bunny Alpha high | Stealth | 1 | 0.7 | $0.000 | 1/2 | 19.3s |
| #201 | Space Bunny Alpha max | Stealth | 1 | 0.7 | $0.000 | 1/2 | 61.0s |
| #254 | Space Bunny Alpha medium | Stealth | 1 | 0.4 | $0.000 | 0/2 | 17.0s |
| #259 | Space Bunny Alpha xhigh | Stealth | 1 | 0.3 | $0.000 | 0/2 | 37.1s |
| #299 | Space Bunny Alpha low | Stealth | 2 | 0.4 | $0.000 | 0/2 | 12.2s |
| #308 | Ling 3.1 Flash none | Inclusionai | 1 | 0.3 | $0.000 | 0/2 | 25.4s |
| #339 | Apodex 1.1 Mini default | Apodex | 1 | 0.3 | $0.000 | 0/2 | 17.0s |
| #343 | Dots 3 Note Preview default | Dots Studio | 1 | 0.3 | $0.000 | 0/2 | 14.8s |
| #370 | Owl Alpha medium | Openrouter | 1 | 0.2 | $0.000 | 0/1 | 10.0s |
| #372 | Owl Alpha default | Openrouter | 1 | 0.2 | $0.000 | 0/1 | 21.7s |
| #395 | Ling 3.0 Tiny default | Inclusionai | 1 | 0.3 | $0.000 | 0/2 | 124.2s |
| #399 | Ling 3.0 Tiny high | Inclusionai | 1 | 0.3 | $0.000 | 0/2 | 179.9s |
| #400 | Ling 3.0 Tiny low | Inclusionai | 1 | 0.3 | $0.000 | 0/2 | 134.8s |
| #401 | Ling 3.0 Tiny medium | Inclusionai | 1 | 0.3 | $0.000 | 0/2 | 139.8s |
| #404 | Elephant Alpha default | Openrouter | 1 | 0.2 | $0.000 | 0/1 | 3.81s |