सामान्य ज्ञान x उत्तर नाही क्रमवारी

सामान्य ज्ञान मध्ये कोणत्या AI मॉडेल्सना उत्तर नाही येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: अपयशांची संख्या ↑.

दाखवलेली मॉडेल्स

एकूण अपयशे

सर्वाधिक प्रभावित मॉडेल

Grok 4.6 1

अयशस्वी होण्याची कारणे

चुकीचे उत्तर244 उत्तर नाही27 API त्रुटी14 वेळ संपला1

श्रेणी

संयुक्त43 कोडिंग39 डोमेन-विशिष्ट35 सामान्य ज्ञान27 अँटी-एआय युक्त्या13 कोडी सोडवणे11 डेटा पार्सिंग आणि निष्कर्षण9 टूल कॉलिंग2 सूचनांचे पालन2

27/27

क्रमांक	मॉडेल	कंपनी	उत्तर नाही संख्या	श्रेणी स्कोअर	एकूण खर्च	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)
#12	Grok 4.6 high	X AI	1	3.0	$1.908	0/1	54.2s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $1.908 प्रतिसाद वेळ (सरासरी) 54.2s
#15	Claude Opus 5 high	Anthropic	1	3.0	$3.070	0/1	14.1s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $3.070 प्रतिसाद वेळ (सरासरी) 14.1s
#16	Claude Opus 5 medium	Anthropic	1	3.0	$1.586	0/1	7.03s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $1.586 प्रतिसाद वेळ (सरासरी) 7.03s
#24	Grok 4.5 high	X AI	1	3.0	$2.252	0/1	60.6s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $2.252 प्रतिसाद वेळ (सरासरी) 60.6s
#31	Claude Opus 4.8 medium	Anthropic	1	3.0	$1.983	0/1	6.14s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $1.983 प्रतिसाद वेळ (सरासरी) 6.14s
#34	GLM 5.3 Flash max	Z.ai	1	3.0	$0.059	0/1	46.8s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.059 प्रतिसाद वेळ (सरासरी) 46.8s
#39	Claude Fable 5 medium	Anthropic	1	3.0	$3.004	0/1	25.6s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $3.004 प्रतिसाद वेळ (सरासरी) 25.6s
#52	Claude Fable 5.1 medium	Anthropic	1	2.8	$2.909	0/1	24.3s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $2.909 प्रतिसाद वेळ (सरासरी) 24.3s
#66	Kimi K3 max	Moonshot AI	1	3.0	$3.467	0/1	19.7s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $3.467 प्रतिसाद वेळ (सरासरी) 19.7s
#68	Step 3.7 Flash medium	Stepfun	1	3.0	$0.495	0/1	114.0s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.495 प्रतिसाद वेळ (सरासरी) 114.0s
#69	Qwen3.8 27B low	Qwen	1	3.0	~$0.071	0/1	12.6s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च ~$0.071 प्रतिसाद वेळ (सरासरी) 12.6s
#73	GLM 5.2 medium	Z.ai	1	3.0	$0.224	0/1	34.2s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.224 प्रतिसाद वेळ (सरासरी) 34.2s
#76	Qwen3.8 27B medium	Qwen	1	3.0	~$0.058	0/1	11.3s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च ~$0.058 प्रतिसाद वेळ (सरासरी) 11.3s
#78	Claude Opus 4.8 low	Anthropic	1	3.0	$2.089	0/1	5.48s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $2.089 प्रतिसाद वेळ (सरासरी) 5.48s
#87	Solar Pro 4 xhigh	Upstage	1	3.0	$0.050	0/1	119.9s
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.050 प्रतिसाद वेळ (सरासरी) 119.9s

मॉडेल फिल्टर करा

उत्तर नाही संख्या नुसार शीर्ष मॉडेल्स

उत्तर नाही संख्या वि स्कोअर

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स

अंदाजित वाया गेलेला खर्च नुसार शीर्ष मॉडेल्स

सामान्य ज्ञान: उत्तर नाही

मॉडेल फिल्टर करा

उत्तर नाही संख्या नुसार शीर्ष मॉडेल्स

उत्तर नाही संख्या वि स्कोअर

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स