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) |
|---|---|---|---|---|---|---|---|
| #310 | Trinity Large Thinking high | Arcee AI | 1 | 0.3 | $0.794 | 0/1 | 125.1s |
| #311 | GPT-5 Nano medium | OpenAI | 1 | 0.3 | $0.159 | 0/1 | 20.1s |
| #312 | GPT-5.4 Mini none | OpenAI | 1 | 0.3 | $0.170 | 0/1 | 1.33s |
| #313 | Mistral Large 4 none | Mistral | 1 | 0.3 | $0.290 | 0/1 | 780ms |
| #314 | Seed 2.1 Turbo none | Bytedance Seed | 1 | 0.3 | $0.182 | 0/1 | 2.12s |
| #315 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.3 | $0.000 | 0/1 | 15.5s |
| #316 | Gemma 4 31B none | 1 | 0.3 | $0.031 | 0/1 | 1.25s | |
| #317 | Space Bunny Alpha low | Stealth | 1 | 0.3 | $0.000 | 0/1 | 340.9s |
| #318 | GPT-5.4 none | OpenAI | 1 | 0.3 | $0.690 | 0/1 | 990ms |
| #319 | Solar Pro 4 none | Upstage | 1 | 0.3 | $0.022 | 0/1 | 1.29s |
| #321 | GLM 5 none | Z.ai | 1 | 0.3 | $0.140 | 0/1 | 3.62s |
| #322 | Qwen3.5-35B-A3B none | Qwen | 1 | 0.3 | $0.120 | 0/1 | 493ms |
| #323 | Nemotron 3.5 Super VL none | NVIDIA | 1 | 0.3 | $0.040 | 0/1 | 10.6s |
| #324 | Nemotron 3 Super medium | NVIDIA | 1 | 0.3 | $0.081 | 0/1 | 55.3s |
| #325 | Kimi K2.6 none | Moonshot AI | 1 | 0.3 | $0.486 | 0/1 | 1.36s |