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
197/197
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) |
|---|---|---|---|---|---|---|---|
| #70 | Kimi K2.7 Code medium | Moonshot AI | 1 | 3.0 | $0.686 | 0/1 | 341.8s |
| #39 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 3.0 | $0.034 | 0/1 | 246.9s |
| #161 | Mimo V2 Omni medium | Xiaomi | 1 | 3.0 | $0.683 | 0/1 | 234.2s |
| #206 | Laguna S 2.1 low | Poolside | 1 | 3.0 | $0.082 | 0/1 | 202.5s |
| #226 | Laguna S 2.1 none | Poolside | 1 | 3.0 | $0.022 | 0/1 | 200.5s |
| #78 | LongCat 2.0 medium | Meituan | 1 | 3.0 | $0.478 | 0/1 | 191.2s |
| #117 | Gemma 4 26B A4B medium | 1 | 3.0 | $0.089 | 0/1 | 180.9s | |
| #143 | Qwen3.5-35B-A3B medium | Qwen | 1 | 3.0 | $0.837 | 0/1 | 177.4s |
| #42 | Inkling high | Thinkingmachines | 1 | 3.0 | $1.006 | 0/1 | 153.6s |
| #213 | Ring-2.6-1T none | Inclusionai | 1 | 3.0 | $0.026 | 0/1 | 133.6s |
| #88 | Kimi K2.6 medium | Moonshot AI | 1 | 3.0 | $0.758 | 0/1 | 130.3s |
| #45 | GLM 5.2 high | Z.ai | 1 | 3.0 | $0.778 | 0/1 | 127.8s |
| #215 | Trinity Large Thinking high | Arcee AI | 1 | 3.0 | $0.632 | 0/1 | 125.1s |
| #106 | Qwen3.6 Flash medium | Qwen | 1 | 3.0 | $0.738 | 0/1 | 122.9s |
| #112 | LongCat 2.0 low | Meituan | 1 | 3.0 | $0.391 | 0/1 | 122.1s |