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: प्रतिसाद वेळ (सरासरी) ↑.
अयशस्वी होण्याची कारणे
59/59
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) |
|---|---|---|---|---|---|---|---|
| #201 | Granite 4.1 8B none | IBM Granite | 1 | 4.0 | $0.007 | 0/1 | 499ms |
| #160 | Laguna XS 2.1 none | Poolside | 1 | 5.0 | $0.008 | 0/1 | 529ms |
| #118 | Gemini 2.5 Flash none | 1 | 5.0 | $0.017 | 0/1 | 615ms | |
| #197 | Grok 4.20 none | X AI | 1 | 4.8 | $0.057 | 0/1 | 659ms |
| #165 | Mistral Small 4 none | Mistral | 1 | 4.0 | $0.022 | 0/1 | 729ms |
| #151 | GLM 5.1 none | Z.ai | 1 | 5.0 | $0.164 | 0/1 | 790ms |
| #164 | Inkling none | Thinkingmachines | 1 | 5.0 | $0.147 | 0/1 | 859ms |
| #174 | GPT-4o-mini none | OpenAI | 1 | 4.0 | $0.010 | 0/1 | 909ms |
| #177 | Nemotron 3 Super none | NVIDIA | 1 | 4.6 | $0.008 | 0/1 | 950ms |
| #122 | Gemini 3.1 Flash Lite none | 1 | 4.0 | $0.046 | 0/1 | 992ms | |
| #159 | GPT-5.6 Luna none | OpenAI | 1 | 5.0 | $0.142 | 0/1 | 1.00s |
| #132 | GPT-5.6 Terra none | OpenAI | 1 | 5.0 | $0.349 | 0/1 | 1.03s |
| #105 | Gemini 3.1 Flash Lite low | 1 | 4.0 | $0.621 | 0/1 | 1.37s | |
| #178 | Ling-2.6-flash none | Inclusionai | 1 | 4.0 | $0.002 | 0/1 | 1.45s |
| #83 | GPT-5.6 Sol none | OpenAI | 1 | 6.5 | $0.524 | 0/1 | 1.52s |