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) |
|---|---|---|---|---|---|---|---|
| #194 | Gemma 4 31B medium | 1 | 3.0 | $0.100 | 0/1 | 90.1s | |
| #195 | GPT-5.6 Luna low | OpenAI | 1 | 3.0 | $0.051 | 0/1 | 4.86s |
| #197 | Gemini 3.1 Flash Lite minimal | 1 | 3.0 | $0.047 | 0/1 | 724ms | |
| #198 | Qwen3.5-35B-A3B medium | Qwen | 1 | 3.0 | $1.172 | 0/1 | 177.4s |
| #199 | gpt-oss-120b medium | OpenAI | 1 | 3.0 | $0.070 | 0/1 | 26.5s |
| #200 | Qwen3.7 Flash none | Qwen | 1 | 3.0 | $0.019 | 0/1 | 766ms |
| #201 | Gemini 3.1 Flash Lite none | 1 | 3.0 | $0.046 | 0/1 | 733ms | |
| #202 | Qwen3.5-Flash medium | Qwen | 1 | 3.0 | $0.142 | 0/1 | 49.0s |
| #203 | Inkling low | Thinkingmachines | 1 | 3.0 | $0.187 | 0/1 | 3.12s |
| #204 | Trinity Large Thinking medium | Arcee AI | 1 | 3.0 | $0.756 | 0/1 | 97.4s |
| #205 | Qwen3.6 Flash none | Qwen | 1 | 3.0 | $0.062 | 0/1 | 649ms |
| #206 | Gemma 4 31B none | 1 | 3.0 | $0.016 | 0/1 | 1.25s | |
| #207 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 3.0 | $0.122 | 0/1 | 33.3s |
| #208 | Nemotron 3 Ultra none | NVIDIA | 1 | 3.0 | $0.093 | 0/1 | 1.83s |
| #209 | Trinity Large Thinking low | Arcee AI | 1 | 3.0 | $0.625 | 0/1 | 2.10s |