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) |
|---|---|---|---|---|---|---|---|
| #295 | Grok 4.1 Fast medium | X AI | 1 | 3.0 | $0.069 | 0/1 | 25.5s |
| #297 | Cobuddy medium | Baidu | 1 | 3.0 | $0.000 | 0/1 | 37.0s |
| #298 | Mercury 2 none | Inception | 1 | 3.0 | $0.030 | 0/1 | 548ms |
| #299 | Granite 4.2 8B high | IBM Granite | 1 | 3.0 | $0.135 | 0/1 | 252.5s |
| #300 | Qwen3 Coder Next medium | Qwen | 1 | 3.0 | $0.034 | 0/1 | 399ms |
| #301 | MiniMax M2.5 medium | Minimax | 1 | 3.0 | $0.327 | 0/1 | 80.8s |
| #302 | Laguna S 2.1 none | Poolside | 1 | 3.0 | $0.022 | 0/1 | 200.5s |
| #306 | GLM 4.7 Flash medium | Z.ai | 1 | 3.0 | $0.168 | 0/1 | 11.1s |
| #308 | Granite 4.2 8B none | IBM Granite | 1 | 3.0 | $0.037 | 0/1 | 14.6s |
| #312 | Hy3 preview none | Tencent | 1 | 3.0 | $0.007 | 0/1 | 2.71s |
| #313 | MiMo-V2-Flash none | Xiaomi | 1 | 3.0 | $0.025 | 0/1 | 1.82s |
| #314 | Ling 3.0 Tiny none | Inclusionai | 1 | 3.0 | $0.000 | 0/1 | 988ms |
| #315 | Granite 4.1 8B none | IBM Granite | 1 | 3.0 | $0.007 | 0/1 | 306ms |
| #316 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 3.0 | $0.007 | 0/1 | 575ms |
| #317 | Grok Build 0.1 none | X AI | 1 | 3.0 | $0.547 | 0/1 | 36.1s |