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) |
|---|---|---|---|---|---|---|---|
| #377 | Nemotron 3.5 Lightning medium | NVIDIA | 1 | 0.3 | $0.195 | 0/1 | 44.0s |
| #378 | North Mini Code default | Cohere | 1 | 0.3 | $0.000 | 0/1 | 37.4s |
| #379 | Laguna S 2.1 none | Poolside | 1 | 0.3 | $0.044 | 0/1 | 200.5s |
| #380 | Granite 4.2 8B high | IBM Granite | 1 | 0.3 | $0.111 | 0/1 | 252.5s |
| #381 | Qwen3 Coder Next medium | Qwen | 1 | 0.3 | $0.071 | 0/1 | 399ms |
| #382 | DeepSeek V3.2 none | DeepSeek | 1 | 0.3 | $0.119 | 0/1 | 17.2s |
| #383 | GPT-5.4 Nano none | OpenAI | 1 | 0.3 | $0.068 | 0/1 | 773ms |
| #385 | GLM 5V Turbo none | Z.ai | 1 | 0.3 | $0.052 | 0/1 | 2.23s |
| #386 | Laguna S 2.1 low | Poolside | 1 | 0.3 | $0.108 | 0/1 | 202.5s |
| #387 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 0.3 | $0.175 | 0/1 | 38.7s |
| #388 | Owl Alpha medium | Openrouter | 1 | 0.3 | $0.000 | 0/1 | 2.38s |
| #389 | Mimo V2 PRO default | Xiaomi | 1 | 0.3 | $0.045 | 0/1 | 1.63s |
| #390 | Owl Alpha default | Openrouter | 1 | 0.3 | $0.000 | 0/1 | 2.50s |
| #391 | Ling 2.6 Flash default | Inclusionai | 1 | 0.3 | $0.002 | 0/1 | 1.06s |
| #392 | Hy3 preview low | Tencent | 1 | 0.3 | $0.042 | 0/1 | 41.7s |