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
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) |
|---|---|---|---|---|---|---|---|
| #398 | Xing4.0 29b A4b medium | Xingchen AGI | 1 | 0.3 | $0.000 | 0/1 | 121.2s |
| #317 | Hy4 preview low | Tencent | 1 | 0.8 | $1.844 | 0/1 | 110.4s |
| #206 | Solar Pro 4 low | Upstage | 1 | 0.6 | $0.101 | 0/1 | 61.2s |
| #354 | Hy4 preview none | Tencent | 1 | 0.5 | $0.165 | 0/1 | 58.3s |
| #185 | Step 5 Preview high | Stepfun | 1 | 0.3 | $4.513 | 0/1 | 36.6s |
| #147 | Seed-2.0-Code high | Bytedance Seed | 1 | 0.5 | $1.448 | 0/1 | 36.4s |
| #360 | North Mini Code default | Cohere | 1 | 0.4 | $0.000 | 0/1 | 34.8s |
| #160 | Grok 4.7 medium | X AI | 1 | 0.5 | $2.938 | 0/1 | 32.4s |
| #94 | GPT-6 Luna medium | OpenAI | 1 | 0.4 | $0.047 | 0/1 | 28.3s |
| #243 | Dots 3 Note Preview low | Dots Studio | 1 | 0.4 | $0.000 | 0/1 | 27.5s |
| #203 | Grok 4.7 xhigh | X AI | 1 | 0.5 | $3.398 | 0/1 | 26.3s |
| #297 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.4 | $0.000 | 0/1 | 26.2s |
| #136 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 1 | 0.5 | $0.435 | 0/1 | 25.3s |
| #316 | North Mini Code medium | Cohere | 1 | 0.5 | $0.000 | 0/1 | 25.1s |
| #257 | DeepSeek V4 Flash 0423 none | DeepSeek | 1 | 0.4 | $0.149 | 0/1 | 23.7s |