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) |
|---|---|---|---|---|---|---|---|
| #228 | GLM 5 none | Z.ai | 1 | 3.0 | $0.027 | 0/1 | 3.62s |
| #229 | Inkling Small low | Thinkingmachines | 1 | 3.0 | $0.055 | 0/1 | 2.00s |
| #230 | Ling-3.0-flash none | Inclusionai | 1 | 3.0 | $0.004 | 0/1 | 10.6s |
| #231 | GLM 5.1 none | Z.ai | 1 | 3.0 | $0.164 | 0/1 | 2.34s |
| #232 | Kimi K2.6 none | Moonshot AI | 1 | 3.0 | $0.233 | 0/1 | 1.36s |
| #233 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.0 | $0.247 | 0/1 | 295ms |
| #235 | KAT-Coder-Air V2.5 high | Kwaipilot | 1 | 3.0 | $0.077 | 0/1 | 21.7s |
| #236 | GLM 5V Turbo none | Z.ai | 1 | 3.0 | $0.052 | 0/1 | 2.23s |
| #237 | Owl Alpha medium | Openrouter | 1 | 3.0 | $0.000 | 0/1 | 2.38s |
| #238 | Gemma 4 26B A4B none | 1 | 3.0 | $0.017 | 0/1 | 778ms | |
| #239 | Mimo V2 PRO none | Xiaomi | 1 | 3.0 | $0.045 | 0/1 | 1.63s |
| #240 | Owl Alpha none | Openrouter | 1 | 3.0 | $0.000 | 0/1 | 2.50s |
| #241 | KAT-Coder-Air V2.5 medium | Kwaipilot | 1 | 3.0 | $0.048 | 0/1 | 15.7s |
| #242 | Nemotron 3.5 Lightning high | NVIDIA | 1 | 3.0 | $0.134 | 0/1 | 78.0s |
| #244 | Qwen3.6 27B none | Qwen | 1 | 3.0 | $0.062 | 0/1 | 4.03s |