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
197/197
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) |
|---|---|---|---|---|---|---|---|
| #30 | Muse Spark 1.2 low | Meta | 1 | 3.0 | $0.650 | 0/1 | 10.00s |
| #31 | Qwen3.6 Max Preview medium | Qwen | 1 | 3.0 | $1.129 | 0/1 | 60.6s |
| #32 | Grok 4.5 low | X AI | 1 | 3.0 | $0.935 | 0/1 | 14.0s |
| #33 | GPT-5.2 medium | OpenAI | 1 | 3.0 | $0.951 | 0/1 | 28.2s |
| #34 | Inkling Small high | Thinkingmachines | 1 | 3.0 | $0.416 | 0/1 | 49.3s |
| #35 | Grok 4.5 medium | X AI | 1 | 3.0 | $1.928 | 0/1 | 74.4s |
| #36 | Claude Sonnet 5 medium | Anthropic | 1 | 3.0 | $0.922 | 0/1 | 7.06s |
| #37 | Muse Spark 1.1 low | Meta | 1 | 3.0 | $0.647 | 0/1 | 8.17s |
| #38 | Gemini 2.5 Flash medium | 1 | 3.0 | $0.643 | 0/1 | 2.76s | |
| #39 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 3.0 | $0.034 | 0/1 | 246.9s |
| #40 | GPT-5 Mini medium | OpenAI | 1 | 3.0 | $0.237 | 0/1 | 9.99s |
| #41 | Muse Spark 1.1 high | Meta | 1 | 3.0 | $1.694 | 0/1 | 22.9s |
| #42 | Inkling high | Thinkingmachines | 1 | 3.0 | $1.006 | 0/1 | 153.6s |
| #44 | GPT-5.2 Chat none | OpenAI | 1 | 3.0 | $0.604 | 0/1 | 6.89s |
| #45 | GLM 5.2 high | Z.ai | 1 | 3.0 | $0.778 | 0/1 | 127.8s |