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
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) |
|---|---|---|---|---|---|---|---|
| #199 | Qwen3 Coder Next none | Qwen | 1 | 3.0 | $0.026 | 0/1 | 601ms |
| #200 | Mistral Small 4 medium | Mistral | 1 | 3.0 | $0.096 | 0/1 | 5.92s |
| #201 | MiMo-V2.5 none | Xiaomi | 1 | 3.0 | $0.025 | 0/1 | 3.89s |
| #202 | Qwen3.5-9B none | Qwen | 1 | 3.0 | $0.021 | 0/1 | 2.32s |
| #203 | GLM 5 Turbo none | Z.ai | 1 | 3.0 | $0.047 | 0/1 | 2.37s |
| #204 | North Mini Code none | Cohere | 1 | 3.0 | $0.000 | 0/1 | 37.4s |
| #205 | MiniMax M2.7 medium | Minimax | 1 | 3.0 | $0.176 | 0/1 | 22.8s |
| #206 | Laguna S 2.1 low | Poolside | 1 | 3.0 | $0.082 | 0/1 | 202.5s |
| #207 | DeepSeek V3.2 none | DeepSeek | 1 | 3.0 | $0.054 | 0/1 | 17.2s |
| #208 | GPT-4o-mini none | OpenAI | 1 | 3.0 | $0.010 | 0/1 | 794ms |
| #210 | GLM 4.7 Flash none | Z.ai | 1 | 3.0 | $0.016 | 0/1 | 692ms |
| #211 | Nemotron 3 Super none | NVIDIA | 1 | 3.0 | $0.008 | 0/1 | 8.94s |
| #212 | Ling-2.6-flash none | Inclusionai | 1 | 3.0 | $0.002 | 0/1 | 1.06s |
| #213 | Ring-2.6-1T none | Inclusionai | 1 | 3.0 | $0.026 | 0/1 | 133.6s |
| #214 | GPT-5.4 Nano none | OpenAI | 1 | 3.0 | $0.041 | 0/1 | 773ms |