डोमेन-विशिष्ट: अतिरिक्त फॉरमॅटिंग
डोमेन-विशिष्ट
अतिरिक्त फॉरमॅटिंग
डोमेन-विशिष्ट मध्ये कोणत्या AI मॉडेल्सना अतिरिक्त फॉरमॅटिंग येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.
अयशस्वी होण्याची कारणे
18/18
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | अतिरिक्त फॉरमॅटिंग संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #109 | GLM 5.3 high | Z.ai | 2 | 2.9 | $0.403 | 0/3 | 112.3s |
| #132 | Grok 4.20 medium | X AI | 2 | 2.9 | $0.805 | 0/3 | 49.7s |
| #147 | MiMo-V2.5-Pro medium | Xiaomi | 2 | 2.9 | $0.221 | 0/3 | 146.1s |
| #220 | KAT-Coder-Air V2.5 high | Kwaipilot | 2 | 3.0 | $0.077 | 0/3 | 7.28s |
| #235 | KAT-Coder-Air V2.5 low | Kwaipilot | 2 | 3.0 | $0.046 | 0/3 | 8.91s |
| #15 | Claude Opus 5 high | Anthropic | 1 | 3.0 | $3.070 | 0/3 | 104.2s |
| #34 | GLM 5.3 Flash max | Z.ai | 1 | 3.6 | $0.059 | 0/3 | 203.3s |
| #60 | Muse Spark 1.1 high | Meta | 1 | 2.9 | $2.253 | 0/3 | 94.7s |
| #75 | Claude Sonnet 4.6 medium | Anthropic | 1 | 3.0 | $2.126 | 0/3 | 58.4s |
| #82 | Claude Opus 4.6 medium | Anthropic | 1 | 3.0 | $2.961 | 0/3 | 42.5s |
| #98 | Grok Build 0.1 medium | X AI | 1 | 2.9 | $1.130 | 0/3 | 175.9s |
| #111 | GLM 5.3 Flash high | Z.ai | 1 | 3.0 | $0.029 | 0/3 | 85.9s |
| #165 | Qwen3.6 27B medium | Qwen | 1 | 2.9 | $1.045 | 0/3 | 71.5s |
| #173 | MiMo-V2.5 medium | Xiaomi | 1 | 3.6 | $0.104 | 0/3 | 137.7s |
| #204 | Mimo V2 Omni medium | Xiaomi | 1 | 3.0 | $0.683 | 0/3 | 47.9s |