डोमेन-विशिष्ट: उत्तर नाही
डोमेन-विशिष्ट
उत्तर नाही
डोमेन-विशिष्ट मध्ये कोणत्या AI मॉडेल्सना उत्तर नाही येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.
अयशस्वी होण्याची कारणे
30/30
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | उत्तर नाही संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #18 | Seed 2.1 Turbo low | Bytedance Seed | 2 | 2.9 | $1.546 | 0/3 | 424.5s |
| #63 | GLM 5.2 high | Z.ai | 2 | 3.1 | $1.188 | 0/3 | 126.8s |
| #301 | Ling 3.0 Tiny high | Inclusionai | 2 | 2.9 | $0.000 | 0/3 | 70.1s |
| #302 | Ling 3.0 Tiny low | Inclusionai | 2 | 3.0 | $0.000 | 0/3 | 72.1s |
| #305 | Ling 3.0 Tiny medium | Inclusionai | 2 | 3.0 | $0.000 | 0/3 | 81.4s |
| #2 | Gemini 3.8 Flash high | 1 | 8.2 | $1.595 | 2/3 | 131.3s | |
| #24 | Grok 4.5 high | X AI | 1 | 4.1 | $2.252 | 0/3 | 301.3s |
| #26 | Muse Spark 1.3 high | Meta | 1 | 2.9 | $1.653 | 0/3 | 174.6s |
| #27 | Seed 2.1 Turbo high | Bytedance Seed | 1 | 2.9 | $1.797 | 0/3 | 506.2s |
| #39 | Claude Fable 5 medium | Anthropic | 1 | 5.3 | $3.004 | 1/3 | 37.3s |
| #48 | Qwen3.8 27B high | Qwen | 1 | 5.3 | ~$0.287 | 1/3 | 526.7s |
| #56 | Qwen3.8 2.4T A95B low | Qwen | 1 | 3.2 | $2.672 | 0/3 | 287.7s |
| #58 | Muse Glimmer 30B xhigh | Meta | 1 | 2.9 | $0.510 | 0/3 | 142.6s |
| #62 | DeepSeek V4 Flash 0731 high | DeepSeek | 1 | 3.5 | $0.084 | 0/3 | 458.6s |
| #66 | Kimi K3 max | Moonshot AI | 1 | 5.3 | $3.467 | 1/3 | 683.6s |