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.
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) |
|---|---|---|---|---|---|---|---|
| #296 | Seed 2.1 Turbo none | Bytedance Seed | 1 | 0.5 | $0.182 | 0/1 | 2.44s |
| #297 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.4 | $0.000 | 0/1 | 26.2s |
| #299 | Space Bunny Alpha low | Stealth | 1 | 0.4 | $0.000 | 0/1 | 2.78s |
| #300 | GPT-5.4 none | OpenAI | 1 | 0.4 | $0.690 | 0/1 | 1.78s |
| #301 | Solar Pro 4 none | Upstage | 1 | 0.5 | $0.022 | 0/1 | 1.40s |
| #308 | Ling 3.1 Flash none | Inclusionai | 1 | 0.5 | $0.000 | 0/1 | 1.41s |
| #309 | Gemini 2.5 Flash none | 1 | 0.5 | $0.017 | 0/1 | 615ms | |
| #310 | GPT-6 Luna none | OpenAI | 1 | 0.5 | $0.026 | 0/1 | 1.08s |
| #313 | Seed-2.0-Code none | Bytedance Seed | 1 | 0.5 | $0.257 | 0/1 | 2.82s |
| #315 | Qwen3.8 27B none | Qwen | 1 | 0.4 | ~$0.010 | 0/1 | 1.31s |
| #316 | North Mini Code medium | Cohere | 1 | 0.5 | $0.000 | 0/1 | 25.1s |
| #317 | Hy4 preview low | Tencent | 1 | 0.8 | $1.844 | 0/1 | 110.4s |
| #318 | MiMo-V2.6-Flash none | Xiaomi | 1 | 0.5 | $0.060 | 0/1 | 779ms |
| #320 | Ember-1 none | Fireworks | 1 | 0.5 | $0.786 | 0/1 | 2.28s |
| #322 | GPT-5.6 Luna none | OpenAI | 1 | 0.5 | $0.042 | 0/1 | 1.00s |