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: एकूण खर्च ↓.
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) |
|---|---|---|---|---|---|---|---|
| #185 | Step 5 Preview high | Stepfun | 1 | 0.3 | $4.513 | 0/1 | 36.6s |
| #82 | Qwen3.8 2.4T A95B low | Qwen | 1 | 0.6 | $4.016 | 0/1 | 23.0s |
| #203 | Grok 4.7 xhigh | X AI | 1 | 0.5 | $3.398 | 0/1 | 26.3s |
| #124 | Grok 4.5 medium | X AI | 1 | 0.6 | $2.996 | 0/1 | 12.8s |
| #160 | Grok 4.7 medium | X AI | 1 | 0.5 | $2.938 | 0/1 | 32.4s |
| #127 | Grok 4.6 medium | X AI | 1 | 0.4 | $2.270 | 0/1 | 17.3s |
| #44 | Muse Spark Open xhigh | Meta | 1 | 0.6 | $2.081 | 0/1 | 7.26s |
| #153 | Grok 4.7 low | X AI | 1 | 0.4 | $1.933 | 0/1 | 11.3s |
| #317 | Hy4 preview low | Tencent | 1 | 0.8 | $1.844 | 0/1 | 110.4s |
| #219 | Step 3.7 Flash high | Stepfun | 1 | 0.6 | $1.478 | 0/1 | 4.17s |
| #147 | Seed-2.0-Code high | Bytedance Seed | 1 | 0.5 | $1.448 | 0/1 | 36.4s |
| #204 | Grok Build 0.1 medium | X AI | 1 | 0.4 | $1.419 | 0/1 | 18.4s |
| #129 | Grok 4.5 low | X AI | 1 | 0.6 | $1.345 | 0/1 | 4.88s |
| #73 | Claude Sonnet 5.5 high | Anthropic | 1 | 0.6 | $1.175 | 0/1 | 6.93s |
| #75 | Qwen3.8 Max (0902) low | Qwen | 1 | 0.6 | $1.131 | 0/1 | 8.91s |