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) |
|---|---|---|---|---|---|---|---|
| #325 | Qwen3.6 Max Preview none | Qwen | 1 | 0.4 | $0.228 | 0/1 | 1.62s |
| #326 | Laguna XS 2.1 none | Poolside | 1 | 0.5 | $0.020 | 0/1 | 529ms |
| #327 | Qwen3.6 35B A3B none | Qwen | 1 | 0.4 | $0.105 | 0/1 | 3.51s |
| #329 | Ling 3.0 Flash none | Inclusionai | 1 | 0.5 | $0.004 | 0/1 | 1.58s |
| #330 | Nemotron 3.5 Lightning high | NVIDIA | 1 | 0.4 | $0.168 | 0/1 | 7.58s |
| #331 | KAT Coder AIR V2.5 high | Kwaipilot | 1 | 0.5 | $0.077 | 0/1 | 7.10s |
| #335 | Mistral Small 4 none | Mistral | 1 | 0.4 | $0.047 | 0/1 | 729ms |
| #336 | Mercury 2.5 low | Inception | 1 | 0.4 | $0.020 | 0/1 | 819ms |
| #338 | MiMo-V2.5-Pro none | Xiaomi | 1 | 0.4 | $0.135 | 0/1 | 2.58s |
| #339 | Apodex 1.1 Mini default | Apodex | 1 | 0.5 | $0.000 | 0/1 | 1.38s |
| #340 | Laguna S 2.1 medium | Poolside | 1 | 0.5 | $0.092 | 0/1 | 739ms |
| #343 | Dots 3 Note Preview default | Dots Studio | 1 | 0.5 | $0.000 | 0/1 | 1.63s |
| #344 | GPT-4o-mini default | OpenAI | 1 | 0.4 | $0.024 | 0/1 | 909ms |
| #347 | Inkling Small none | Thinkingmachines | 1 | 0.5 | $0.054 | 0/1 | 964ms |
| #349 | Laguna S 2.1 high | Poolside | 1 | 0.5 | $0.145 | 0/1 | 855ms |