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. क्रम लावा: एकूण खर्च ↓.
अयशस्वी होण्याची कारणे
27/27
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) |
|---|---|---|---|---|---|---|---|
| #391 | Grok 4.20 Multi Agent Beta medium | X AI | 1 | 0.3 | $5.599 | 0/3 | 24.7s |
| #27 | Claude Opus 5 high | Anthropic | 1 | 0.3 | $4.524 | 0/3 | 104.2s |
| #253 | Claude Opus 4.6 medium | Anthropic | 1 | 0.3 | $2.961 | 0/3 | 42.5s |
| #87 | Muse Spark 1.1 high | Meta | 1 | 0.3 | $2.570 | 0/3 | 94.7s |
| #236 | Claude Sonnet 4.6 medium | Anthropic | 1 | 0.3 | $2.126 | 0/3 | 58.4s |
| #204 | Grok Build 0.1 medium | X AI | 1 | 0.3 | $1.419 | 0/3 | 175.9s |
| #258 | Grok 4.20 medium | X AI | 2 | 0.3 | $1.246 | 0/3 | 49.7s |
| #222 | Claude Sonnet 5.5 medium | Anthropic | 2 | 0.3 | $1.100 | 0/3 | 8.78s |
| #174 | Qwen3.6 27B medium | Qwen | 1 | 0.3 | $1.021 | 0/3 | 71.5s |
| #194 | Claude Sonnet 5.5 low | Anthropic | 2 | 0.3 | $0.909 | 0/3 | 8.09s |
| #355 | Mimo V2 Omni medium | Xiaomi | 1 | 0.3 | $0.683 | 0/3 | 47.9s |
| #115 | GLM 5.3 FlashX max | Z.ai | 1 | 0.3 | $0.623 | 0/3 | 224.0s |
| #67 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.3 | $0.586 | 0/3 | 619.7s |
| #125 | GLM 5.3 high | Z.ai | 2 | 0.3 | $0.495 | 0/3 | 112.3s |
| #241 | MiMo-V2.5-Pro medium | Xiaomi | 2 | 0.3 | $0.332 | 0/3 | 146.1s |