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. क्रम लावा: बरोबर चाचण्या ↓.
अयशस्वी होण्याची कारणे
43/43
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) |
|---|---|---|---|---|---|---|---|
| #2 | Gemini 3.8 Flash high | 1 | 0.8 | $1.927 | 2/3 | 131.3s | |
| #34 | Claude Sonnet 5.5 max | Anthropic | 2 | 0.5 | $8.557 | 1/3 | 401.4s |
| #57 | Claude Fable 5 medium | Anthropic | 1 | 0.5 | $5.089 | 1/3 | 37.3s |
| #66 | Qwen3.8 27B high | Qwen | 1 | 0.5 | ~$0.298 | 1/3 | 526.7s |
| #80 | Claude Haiku 5.5 max | Anthropic | 2 | 0.5 | $0.509 | 1/3 | 228.2s |
| #93 | Kimi K3 max | Moonshot AI | 1 | 0.5 | $3.409 | 1/3 | 683.6s |
| #121 | MiMo-V2.6-Flash medium | Xiaomi | 1 | 0.5 | $0.218 | 1/3 | 235.1s |
| #207 | Grok 4.7 high | X AI | 1 | 0.5 | $3.037 | 1/3 | 306.7s |
| #259 | Space Bunny Alpha xhigh | Stealth | 1 | 0.6 | $0.000 | 1/3 | 234.1s |
| #29 | Seed 2.1 Turbo low | Bytedance Seed | 2 | 0.3 | $1.645 | 0/3 | 424.5s |
| #39 | Muse Spark 1.3 high | Meta | 1 | 0.3 | $1.891 | 0/3 | 174.6s |
| #42 | Seed 2.1 Turbo high | Bytedance Seed | 1 | 0.3 | $1.892 | 0/3 | 506.2s |
| #81 | Nemotron 3.5 Super VL high | NVIDIA | 1 | 0.4 | $0.349 | 0/3 | 113.7s |
| #84 | Muse Glimmer 30B xhigh | Meta | 1 | 0.3 | $0.585 | 0/3 | 142.6s |
| #88 | DeepSeek V4 Flash 0731 high | DeepSeek | 1 | 0.3 | $0.576 | 0/3 | 458.6s |