Samanya Buddhimatta: चुकीचे उत्तर
Samanya Buddhimatta
चुकीचे उत्तर
Samanya Buddhimatta मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: अपयशांची संख्या ↑.
अयशस्वी होण्याची कारणे
129/129
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) |
|---|---|---|---|---|---|---|---|
| #38 | Claude Haiku 5.5 xhigh | Anthropic | 1 | 0.5 | $0.140 | 0/1 | 9.80s |
| #44 | Muse Spark Open xhigh | Meta | 1 | 0.6 | $2.081 | 0/1 | 7.26s |
| #53 | Muse Spark Open low | Meta | 1 | 0.6 | $0.600 | 0/1 | 5.85s |
| #73 | Claude Sonnet 5.5 high | Anthropic | 1 | 0.6 | $1.175 | 0/1 | 6.93s |
| #74 | Claude Haiku 5.5 low | Anthropic | 1 | 0.5 | $0.061 | 0/1 | 1.38s |
| #75 | Qwen3.8 Max (0902) low | Qwen | 1 | 0.6 | $1.131 | 0/1 | 8.91s |
| #82 | Qwen3.8 2.4T A95B low | Qwen | 1 | 0.6 | $4.016 | 0/1 | 23.0s |
| #84 | Muse Glimmer 30B xhigh | Meta | 1 | 0.6 | $0.585 | 0/1 | 7.41s |
| #90 | GPT-5.6 Terra high | OpenAI | 1 | 0.5 | $0.698 | 0/1 | 3.03s |
| #94 | GPT-6 Luna medium | OpenAI | 1 | 0.4 | $0.047 | 0/1 | 28.3s |
| #96 | Ling 3.1 Flash medium | Inclusionai | 1 | 0.5 | $0.000 | 0/1 | 7.28s |
| #101 | GPT-5.6 Terra medium | OpenAI | 1 | 0.6 | $0.483 | 0/1 | 2.37s |
| #108 | GPT-5.6 Luna high | OpenAI | 1 | 0.5 | $0.118 | 0/1 | 3.65s |
| #112 | Qwen3.8 Flash Next low | Qwen | 1 | 0.5 | ~$0.045 | 0/1 | 5.00s |
| #113 | GPT-5.6 Terra low | OpenAI | 1 | 0.5 | $0.435 | 0/1 | 3.52s |