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.
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) |
|---|---|---|---|---|---|---|---|
| #179 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 3.0 | $0.073 | 0/1 | 1.11s |
| #180 | Qwen3.6 27B medium | Qwen | 1 | 3.0 | $0.577 | 0/1 | 81.0s |
| #181 | Laguna XS 2.1 medium | Poolside | 1 | 3.0 | $0.068 | 0/1 | 10.9s |
| #182 | Hy3 preview medium | Tencent | 1 | 3.0 | $0.049 | 0/1 | 39.9s |
| #183 | Gemini 3.1 Flash Lite Preview none | 1 | 3.0 | $0.052 | 0/1 | 814ms | |
| #184 | Qwen3.6 Max Preview none | Qwen | 1 | 3.0 | $0.228 | 0/1 | 1.97s |
| #185 | Dots 3 Note Preview low | Dots Studio | 1 | 3.0 | $0.000 | 0/1 | 8.80s |
| #186 | Dots 3 Note Preview high | Dots Studio | 1 | 3.0 | $0.000 | 0/1 | 17.3s |
| #187 | LongCat 2.0 none | Meituan | 1 | 3.0 | $0.044 | 0/1 | 3.92s |
| #188 | MiMo-V2.5 medium | Xiaomi | 1 | 3.0 | $0.104 | 0/1 | 51.3s |
| #189 | Ling-3.0-flash high | Inclusionai | 1 | 3.0 | $0.021 | 0/1 | 24.3s |
| #190 | Ring-2.6-1T medium | Inclusionai | 1 | 3.0 | $0.102 | 0/1 | 113.9s |
| #191 | Mimo V2 PRO medium | Xiaomi | 1 | 3.0 | $0.333 | 0/1 | 82.7s |
| #192 | MiMo-V2-Flash medium | Xiaomi | 1 | 3.0 | $0.043 | 0/1 | 1.96s |
| #193 | Seed-2.0-Lite none | Bytedance Seed | 1 | 3.0 | $0.066 | 0/1 | 1.96s |