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
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) |
|---|---|---|---|---|---|---|---|
| #229 | GLM 5.2 none | Z.ai | 1 | 0.3 | $0.250 | 0/1 | 3.41s |
| #230 | Qwen3.7 Flash medium | Qwen | 1 | 0.3 | $0.076 | 0/1 | 29.2s |
| #231 | LongCat 2.0 low | Meituan | 1 | 0.3 | $0.630 | 0/1 | 122.1s |
| #232 | Mercury 2 medium | Inception | 1 | 0.3 | $0.121 | 0/1 | 2.58s |
| #234 | Beam 1.0 501B A23B medium | Reflection | 1 | 0.3 | $0.499 | 0/1 | 10.1s |
| #235 | KAT-Coder-Pro V2.5 low | Kwaipilot | 1 | 0.3 | $0.568 | 0/1 | 17.1s |
| #237 | Minimax M3.1 Flash high | Minimax | 1 | 0.3 | $0.000 | 0/1 | 93.0s |
| #238 | Qwen3.6 35B A3B medium | Qwen | 1 | 0.3 | $0.834 | 0/1 | 32.9s |
| #239 | Mercury 2.5 Preview high | Inception | 1 | 0.3 | $0.040 | 0/1 | 5.41s |
| #240 | Mercury 2.5 high | Inception | 1 | 0.3 | $0.044 | 0/1 | 5.48s |
| #241 | Beam 1.0 501B A23B xhigh | Reflection | 1 | 0.3 | $0.688 | 0/1 | 9.10s |
| #242 | GLM 5.3 low | Z.ai | 1 | 0.3 | $0.215 | 0/1 | 7.42s |
| #243 | GLM 5.1 none | Z.ai | 1 | 0.3 | $0.451 | 0/1 | 2.34s |
| #244 | KAT-Coder-Pro V2.5 high | Kwaipilot | 1 | 0.3 | $0.506 | 0/1 | 5.22s |
| #245 | Grok 4.3 medium | X AI | 1 | 0.3 | $0.989 | 0/1 | 44.5s |