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: बरोबर चाचण्या ↑.
अयशस्वी होण्याची कारणे
323/323
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) |
|---|---|---|---|---|---|---|---|
| #11 | GPT-6.1 Sol medium | OpenAI | 1 | 0.5 | $0.530 | 0/1 | 3.83s |
| #12 | GPT-6.1 Sol high | OpenAI | 1 | 0.5 | $0.755 | 0/1 | 7.29s |
| #14 | GPT-6 Astra low | OpenAI | 1 | 0.3 | $2.160 | 0/1 | 4.12s |
| #16 | GPT-6.1 Sol low | OpenAI | 1 | 0.3 | $0.460 | 0/1 | 3.80s |
| #17 | GPT-6.1 Terra medium | OpenAI | 1 | 0.5 | $0.291 | 0/1 | 4.48s |
| #21 | GPT-5.6 Sol medium | OpenAI | 1 | 0.5 | $1.700 | 0/1 | 4.94s |
| #22 | GPT-6.1 Terra high | OpenAI | 1 | 0.3 | $0.396 | 0/1 | 7.53s |
| #23 | GPT-6 Astra medium | OpenAI | 1 | 0.3 | $2.707 | 0/1 | 5.98s |
| #24 | GPT-5.6 Sol high | OpenAI | 1 | 0.5 | $1.595 | 0/1 | 6.97s |
| #25 | GPT-5.5 low | OpenAI | 1 | 0.3 | $1.822 | 0/1 | 10.1s |
| #27 | GPT-6.1 Terra max | OpenAI | 1 | 0.3 | $2.209 | 0/1 | 156.2s |
| #32 | GPT-6.1 Terra xhigh | OpenAI | 1 | 0.3 | $0.789 | 0/1 | 39.9s |
| #33 | GPT-6.1 Terra low | OpenAI | 1 | 0.3 | $0.221 | 0/1 | 3.27s |
| #34 | Seed 2.1 Turbo low | Bytedance Seed | 1 | 0.3 | $1.645 | 0/1 | 171.9s |
| #37 | Muse Wonder medium | Meta | 1 | 0.5 | $3.397 | 0/1 | 16.3s |