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
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) |
|---|---|---|---|---|---|---|---|
| #164 | Inkling none | Thinkingmachines | 1 | 2.9 | $0.147 | 0/2 | 25.7s |
| #166 | Qwen3 Coder Next none | Qwen | 1 | 3.0 | $0.025 | 0/2 | 30.9s |
| #167 | Mistral Small 4 medium | Mistral | 1 | 3.0 | $0.096 | 0/2 | 32.4s |
| #168 | MiMo-V2.5 none | Xiaomi | 1 | 3.0 | $0.025 | 0/2 | 28.9s |
| #170 | GLM 5 Turbo none | Z.ai | 1 | 1.5 | $0.047 | 0/1 | 4.89s |
| #174 | GPT-4o-mini none | OpenAI | 1 | 3.0 | $0.010 | 0/2 | 6.32s |
| #180 | GPT-5.4 Nano none | OpenAI | 1 | 3.0 | $0.041 | 0/2 | 14.7s |
| #182 | KAT-Coder-Air V2.5 none | Kwaipilot | 1 | 3.8 | $0.067 | 0/2 | 73.0s |
| #183 | Trinity Large Preview none | Arcee AI | 1 | 1.5 | $0.008 | 0/1 | 8.91s |
| #187 | Qwen3 Coder Next medium | Qwen | 1 | 3.0 | $0.032 | 0/2 | 14.6s |
| #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 |
| #198 | Laguna Xs.2 medium | Poolside | 1 | 1.5 | $0.015 | 0/1 | 15.9s |
| #199 | Hy3 preview none | Tencent | 1 | 1.5 | $0.003 | 0/1 | 35.8s |