सामान्य ज्ञान: चुकीचे उत्तर
सामान्य ज्ञान
चुकीचे उत्तर
सामान्य ज्ञान 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
259/259
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) |
|---|---|---|---|---|---|---|---|
| #258 | Laguna XS 2.1 none | Poolside | 1 | 3.0 | $0.008 | 0/1 | 254ms |
| #233 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.0 | $0.247 | 0/1 | 295ms |
| #315 | Granite 4.1 8B none | IBM Granite | 1 | 3.0 | $0.007 | 0/1 | 306ms |
| #318 | Mercury 2.5 none | Inception | 1 | 3.0 | $0.016 | 0/1 | 384ms |
| #267 | Mistral Small 4 none | Mistral | 1 | 3.0 | $0.022 | 0/1 | 397ms |
| #300 | Qwen3 Coder Next medium | Qwen | 1 | 3.0 | $0.034 | 0/1 | 399ms |
| #262 | Qwen3.6 35B A3B none | Qwen | 1 | 3.0 | $0.051 | 0/1 | 414ms |
| #282 | Mercury 2.5 Preview none | Inception | 1 | 3.0 | $0.018 | 0/1 | 419ms |
| #257 | Inkling Small none | Thinkingmachines | 1 | 3.0 | $0.054 | 0/1 | 481ms |
| #216 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.0 | $0.135 | 0/1 | 493ms |
| #298 | Mercury 2 none | Inception | 1 | 3.0 | $0.030 | 0/1 | 548ms |
| #316 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 3.0 | $0.007 | 0/1 | 575ms |
| #215 | Qwen3.5-Flash none | Qwen | 1 | 3.0 | $0.073 | 0/1 | 588ms |
| #277 | Mercury 2.5 Preview low | Inception | 1 | 3.0 | $0.011 | 0/1 | 591ms |
| #173 | Qwen3.5-27B none | Qwen | 1 | 3.0 | $0.058 | 0/1 | 599ms |