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) |
|---|---|---|---|---|---|---|---|
| #344 | Laguna XS 2.1 none | Poolside | 1 | 0.3 | $0.020 | 0/1 | 254ms |
| #345 | Qwen3.6 35B A3B none | Qwen | 1 | 0.3 | $0.105 | 0/1 | 414ms |
| #346 | Inkling Small low | Thinkingmachines | 1 | 0.3 | $0.055 | 0/1 | 2.00s |
| #347 | Ling 3.0 Flash none | Inclusionai | 1 | 0.3 | $0.004 | 0/1 | 10.6s |
| #348 | Nemotron 3.5 Lightning high | NVIDIA | 1 | 0.3 | $0.168 | 0/1 | 78.0s |
| #349 | KAT Coder AIR V2.5 high | Kwaipilot | 1 | 0.3 | $0.077 | 0/1 | 21.7s |
| #350 | Mimo V2 PRO medium | Xiaomi | 1 | 0.3 | $0.333 | 0/1 | 82.7s |
| #351 | MiMo-V2-Flash medium | Xiaomi | 1 | 0.3 | $0.043 | 0/1 | 1.96s |
| #352 | Mistral Small 4 medium | Mistral | 1 | 0.3 | $0.126 | 0/1 | 5.92s |
| #353 | Mistral Small 4 none | Mistral | 1 | 0.3 | $0.047 | 0/1 | 397ms |
| #354 | Mercury 2.5 low | Inception | 1 | 0.3 | $0.020 | 0/1 | 782ms |
| #355 | KAT Coder AIR V2.5 medium | Kwaipilot | 1 | 0.3 | $0.048 | 0/1 | 15.7s |
| #356 | MiMo-V2.5-Pro none | Xiaomi | 1 | 0.3 | $0.135 | 0/1 | 1.89s |
| #357 | Apodex 1.1 Mini default | Apodex | 1 | 0.3 | $0.000 | 0/1 | 759ms |
| #358 | Laguna S 2.1 medium | Poolside | 1 | 0.3 | $0.092 | 0/1 | 7.11s |