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
63/63
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) |
|---|---|---|---|---|---|---|---|
| #146 | Owl Alpha medium | Openrouter | 1 | 1.5 | $0.000 | 0/1 | 10.0s |
| #148 | Owl Alpha none | Openrouter | 1 | 1.5 | $0.000 | 0/1 | 21.7s |
| #193 | Elephant Alpha none | Openrouter | 1 | 1.5 | $0.000 | 0/1 | 3.81s |
| #195 | Elephant Alpha medium | Openrouter | 1 | 1.5 | $0.000 | 0/1 | 3.70s |
| #196 | Hunter Alpha none | OpenRouter | 1 | 1.5 | $0.000 | 0/1 | 15.2s |
| #199 | Hy3 preview none | Tencent | 1 | 1.5 | $0.003 | 0/1 | 35.8s |
| #205 | Laguna Xs.2 none | Poolside | 1 | 1.5 | $0.004 | 0/1 | 2.01s |
| #160 | Laguna XS 2.1 none | Poolside | 1 | 3.0 | $0.008 | 0/2 | 10.4s |
| #203 | Grok 4.1 Fast none | X AI | 1 | 1.5 | $0.008 | 0/1 | 3.33s |
| #183 | Trinity Large Preview none | Arcee AI | 1 | 1.5 | $0.008 | 0/1 | 8.91s |
| #177 | Nemotron 3 Super none | NVIDIA | 2 | 3.0 | $0.008 | 0/2 | 18.2s |
| #174 | GPT-4o-mini none | OpenAI | 1 | 3.0 | $0.010 | 0/2 | 6.32s |
| #156 | Gemma 4 26B A4B none | 1 | 3.0 | $0.015 | 0/2 | 37.2s | |
| #198 | Laguna Xs.2 medium | Poolside | 1 | 1.5 | $0.015 | 0/1 | 15.9s |
| #162 | Ling-2.6-1T none | Inclusionai | 1 | 6.5 | $0.016 | 1/2 | 23.8s |