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) |
|---|---|---|---|---|---|---|---|
| #294 | MiMo-V2.6-Pro none | Xiaomi | 1 | 0.3 | $0.193 | 0/1 | 106.9s |
| #295 | Inkling Small medium | Thinkingmachines | 1 | 0.3 | $0.113 | 0/1 | 14.2s |
| #296 | Seed-2.0-Lite none | Bytedance Seed | 1 | 0.3 | $0.114 | 0/1 | 1.96s |
| #297 | Gemini 3.1 Flash Lite minimal | 1 | 0.3 | $0.080 | 0/1 | 724ms | |
| #298 | gpt-oss-120b medium | OpenAI | 1 | 0.3 | $0.030 | 0/1 | 26.5s |
| #299 | Gemini 3.1 Flash Lite none | 1 | 0.3 | $0.069 | 0/1 | 733ms | |
| #300 | Qwen3.6 Flash none | Qwen | 1 | 0.3 | $0.139 | 0/1 | 649ms |
| #302 | Nemotron 3 Ultra none | NVIDIA | 1 | 0.3 | $0.164 | 0/1 | 1.83s |
| #303 | Qwen3.7 Flash none | Qwen | 1 | 0.3 | $0.028 | 0/1 | 766ms |
| #304 | Qwen3.8 Flash Next none | Qwen | 1 | 0.3 | ~$0.011 | 0/1 | 540ms |
| #305 | DeepSeek V4.1 Flash 1017 none | DeepSeek | 1 | 0.3 | $0.055 | 0/1 | 655ms |
| #306 | GPT-5.6 Terra none | OpenAI | 1 | 0.3 | $0.377 | 0/1 | 787ms |
| #307 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 0.3 | $0.391 | 0/1 | 1.32s |
| #308 | Ling 3.0 Flash high | Inclusionai | 1 | 0.3 | $0.021 | 0/1 | 24.3s |
| #309 | Ring 2.6 1t medium | Inclusionai | 1 | 0.3 | $0.102 | 0/1 | 113.9s |